稀疏&集成的卷积神经网络学习（续）

昨天跟大家详细的说了分类，定位的一些相关知识，今天把剩下的最后一点知识给大家补充完整，也感谢大家一直的支持，谢谢！

昨天的推送告诉大家了分类方案，我们再温习一下：

今天我们简单的说说“基于类别聚合的目标检测”技术。该技术是基于候选区域实现的。

引入类别信息： 减少假阳性（False Positive），提高检测精度和效率

目标检测: 类别聚合(CA)

目标: 共现关系(CO)

DET: 实验结果

类别聚合：Run4 VS. Run3, 验证集上提高0.9%，但测试集上略低，可能是测试集和训练集在数据分布上存在差异；

共现关系： Run5 VS. Run4，在验证集和测试集上均提高；

多窗口融合有效： Run5 VS. Run1 / Run2 ，在验证集和测试集上均提高。

DET: 结果展示