引用 Cirno:
我非常奇怪一点是，为什么你表示从 conv1 的输出能看出 object level 的效果。conv1 只是提取low level的 edge response，如果在存在有复杂背景的情况下，仍然能……

conv1(7x7)中有很多网格状的weight，我认为它们对应的是训练样本中大量的建筑物背景。当背景为建筑物，且前景无人机尺寸较小的时候，无人机的外形会和建筑物表面的纹理混在一起（这类样本挺多的，说实话肉眼都不太好识别），要将它们有效地区分开来，cnn就必须能够检测到建筑物表面纹理的不连续，以从中分辨出无人机。

另外0.9仅仅是过拟合了一点点，validation set的命中率达到0.85了。现在的问题不是网络规模太大，而是太小了，然后训练数据是足够的，但是训练目标（binary classifier）和我希望做的最终任务不符（我修改了上面的帖子，增加了另一篇黑R-CNN以及类似detection方法的文章）。我会根据最近的阅读成果，重做dataset，并调整训练目标。

另外：我提供的两张detection示范图片，每个框的绘制方法，是当前像素值+20，所以如果两个框的边缘重叠，那条边会显得亮一点。两张图中无人机所在的位置，都处在多个框重叠的中心，从结果上应该说是成功的。

或者我改成实心填充，这样就更方便看了：





this should work for a drone jammer...