颜色分类leetcode Udacity SDC：车辆检测该项目的目标是 实施一个能够实时检测移动车辆的强大管道。尽管该项目使用经典的计算机视觉技术，即 HOG特征 和 SVM分类器，但与课程组织者一致，我决定像其他一些学生一样采用深度学习方法。最近几年 发表了几篇关于使用深度卷积网络进行目标检测的重要论文。更具体地说，是目前使用 CNN进行实时对象检测 的最新技术。尽管前三种方法之间存在一些差异，但它们共享相同的一般管道。即，检测网络的设计基于以下规则：使用在ImageNet上训练的 深度卷积网络 作为多尺度特征源。通常，VGG、ResNet 或 Inception；提供一组预定义的 锚框，以不同的位置和比例平铺图像。它们与经典CV检测算法中的滑动窗口方法具有相同的目的；对于每个锚框，修改后的CNN提供了每个对象类别的概率（和无检测概率），以及检测到的框和关联的锚框之间的偏移量（x、y、宽度和高度）。网络的检测输出使用 非最大选择算法 进行后处理，以去除重叠框。对于这个项目，我决定实现 SSD检测器，因为后者在 准确性 和 速度 之间提供了很好的折衷。