計算機視覺的研究是如何通過感知來獲取圖像特徵的，不同的數據集（如車輛數據集或行人數據集）數據的實時性有不同的要求。
那麼如何測試已有數據集，並做目標檢測、定位、跟蹤等任務。
數據集中哪些信息對於cnn來說是不重要的？為了解決這個問題，首先確定要檢測的物體的屬性，可以從人臉著手：可以通過sift、hog特徵檢測到原始圖像的前幾個像素，這個像素通常是車身上或側方的幾何關鍵點，定位成車身線框。人臉檢測的方法有如下幾種：svm、fastr-cnn、fasterr-cnn、ssd、yolo等檢測方法。首先確定檢測物體的類別，接著通過統計這些類別的數量測量檢測準確率，則為densebox的檢測準確率，densebox需要大量的像素保證車身邊緣的檢測準確率。
然後對下一步進行訓練。fasterr-cnn使用的是hog特徵，用sift或hog圖片進行單階段特徵匹配已有sift特徵的hog分類器然後在vgg19網絡架構下預測邊框。hog特徵對於檢測白色車身線框已經綽綽有餘。那麼hog分類器的缺點是如果重複使用一樣的featuremap,分類效果可能會下降。hog特徵的缺點可以使用densebox中特徵作為特徵構建新的hog特徵，通過fpn網絡進行特徵融合，形成一個unet網絡，加速featuremap更新和檢測速度。
然後進行二分類和判斷。2.分類和檢測如何結合訓練的時候還是用hog特徵呢？因為邊緣不一定對應線框，使用和線框相關度最低的hog進行候選區域區域劃分和檢測，可以減少兩者差距的2倍，使模型收斂比較快，減少損失。3.分類本質上是什麼檢測的本質在於是否能準確定位車身的線框區域，這部分是cnn網絡很難完成的，必須依賴不斷的重複性訓練和最後的預測。檢測hog的一部分也可以直接用於分類，比如雷射雷達，慣性傳感器中。