卷积神经网络在自动目标检测中干了什么

卷积神经网络在自动目标检测中主要干了以下几件事情：

1. 特征提取：使用卷积层和池化层对输入图像进行特征提取，提取出图像中的各种局部特征，如边缘、纹理、颜色等。

2. 区域提议：使用区域提议算法（如R-CNN）对图像中可能包含目标的区域进行提议，减少后续目标检测的计算量。

3. 目标分类：对每个区域进行分类，确定其是否包含目标，以及目标的类别。

4. 目标定位：对包含目标的区域进行定位，确定目标的位置和大小。

5. 目标检测：将目标分类和定位结合起来，得到最终的目标检测结果。

总的来说，卷积神经网络在自动目标检测中的作用是将输入的图像转化成一组特征向量，然后对这些特征向量进行分类和定位，最终输出图像中包含的目标和其位置信息。