我最近读了很多关于计算机视觉的文章，虽然有大量关于对象分类的信息，而关于对象检测的信息却少得多，但我还没有发现任何关于基于类的对象检测的信息，即当我知道自己在做什么时我正在寻找。例如，在图片上寻找猫。现在你可以说一张图片是否是猫（对象分类），或者图片是否有猫等等。我将如何使用这些知识来提高性能（准确性和速度）？

我不会做的事情（但我很想做）：

1. 使用二元分类器执行蛮力解决方案
2. 实现基于形状的选择性搜索，然后使用二元分类器

我真正想做的，但在识字中没有找到：

1. 实施可训练的选择性搜索以查找基于类别的感兴趣区域。
2. 使用二元分类器检查 ROI 是否实际上是要找到的对象。