在 MNIST 上训练，检测数字序列？
Training on MNIST, detecting sequences of numbers?
在 MNIST 集上训练模型后，我现在如何将图像分类为具有两位数？更一般地说，我如何训练模型来检测图像上任意数量的数字？
有一个名为"object detection"的热门领域，它试图做你想做的事。通常，您可以从任何图像甚至视频中检测到任何东西（数字、人、汽车等）。
最先进的技术大致分为两类：
- Faster-RCNN，它首先为您感兴趣的对象提出很多候选 windows，然后检测这些 windows 中的实际内容。
- SSD，它只扫描一次图像并检测物体，与 Faster-RCNN 相比速度更快但不那么可靠。
比较知名的实时物体检测方法是YOLO（You Only Look Once），属于SSD范畴，有一个很牛逼的实时demohere，给大家介绍一下物体检测感。搜索这些方法的名称，您会发现大量满足您需求的示例代码。
如果您只是寻找数字检测，还可以查看围绕斯坦福 House Number Dataset 的工作。但是，请注意，这些作品通常来自五年或更早以前，并不一定能胜过 Faster-RCNN 和 SSD 等一般方法。
在 MNIST 集上训练模型后，我现在如何将图像分类为具有两位数？更一般地说，我如何训练模型来检测图像上任意数量的数字？
有一个名为"object detection"的热门领域，它试图做你想做的事。通常，您可以从任何图像甚至视频中检测到任何东西（数字、人、汽车等）。
最先进的技术大致分为两类：
- Faster-RCNN，它首先为您感兴趣的对象提出很多候选 windows，然后检测这些 windows 中的实际内容。
- SSD，它只扫描一次图像并检测物体，与 Faster-RCNN 相比速度更快但不那么可靠。
比较知名的实时物体检测方法是YOLO（You Only Look Once），属于SSD范畴，有一个很牛逼的实时demohere，给大家介绍一下物体检测感。搜索这些方法的名称，您会发现大量满足您需求的示例代码。
如果您只是寻找数字检测，还可以查看围绕斯坦福 House Number Dataset 的工作。但是，请注意，这些作品通常来自五年或更早以前，并不一定能胜过 Faster-RCNN 和 SSD 等一般方法。