颜色分类leetcode用于野外猫检测的深度学习！目录网络：猫网CatNet的灵感来自著名的AlexNet和FastRCNN论文。由于该项目的所有计算都是使用CPU完成的，因此需要在架构深度和处理时间之间取得微妙的平衡。输入是128x128图像，通过总共四个卷积层，然后分成两个输出头-一个用于图像分类，告诉我们图像是否是猫的图像，另一个用于告诉我们是否猫稍微偏离图像，如果是，偏离多少。更多详细信息在部分中提供。数据：PASCAL VOC 2012我们使用PASCAL VOC 2012数据集-它包含19类从动物到家具的各种对象。它还包含任何给定图像中多个对象的注释-准确定义图像中对象位置的边界框。在我们的例子中，我们按如下方式构建数据：正面图像：猫对于数据集中的所有图像，我们根据地面实况边界框提取猫。我们还考虑了接近真实边界框的边界框——这个过程是使用Selective Search完成的。负片：其他物体和背景对于数据集中的所有其他对象，我们提取与猫相似的图像-地面实况边界框以及其他封闭边界框。对于背景类，我们提取远离所有真实边界的图像。