尽管目标检测算法整体上已经相对比较成熟，但是在特殊场景下的表现还有很多优化空间，比如图片中的目标有遮挡、图像运动模糊、目标为可改变形状的非刚性物体等。本文主要是针对遮挡问题，之前在做游戏目标检测时也遇到过这个问题，当时只是考虑增加训练样本的多样性，最近，笔者读了几篇解决目标检测中的遮挡问题的文章，也看了一些网友的解析，觉得若有所悟，不自觉地想把自己的理解记录下来，自认为“一万个人眼中有一万个哈姆雷

卷积神经网络能够自动从图像中提取有用的特征，并在图像分类领域取得了巨大的成功，关于卷积神经网络的理论网上已经有很多，这里主要是关于其实现部分。虽然以前使用Theano框架实现过，但因为最近项目需要使用TensorFlow框架，这里则采用tensorflow实现该模型。总的来说，同Theano类似，TensorFlow也采用的是张量流图的形式编程，确定出输入变量和输出变量的关系后，在Session中

       TensorFlow是一种符号编程框架（与theano类似），先构建数据流图再输入数据进行模型训练。Tensorflow支持很多种样例输入的方式。最容易的是使用placeholder，但这需要手动传递numpy.array类型的数据。第二种方法就是使用二进制文件和输入队列的组合形式。这种方式不仅节省了代码量，避免了进行data augmentation和读文件操作，可以处理不同类型的