深度学习-目标检测（物体检测）
NI-DL 应用框架：图像分类，目标检测，分割提取。
底层：TensorFlow，Keras，Cuda，C/C++
上层：VC++，C#.NET Winform
源码编译，支持本地部署，云部署。
图像分类：点击查看
目标检测：点击查看 （本文）
图像分割：点击查看
【物体检测】
识别图中包含的每个物体的位置、名称类别、及可信度。
对于样本图像的缺陷位置进行标记涂抹，进行训练，对新图像就可快速的预测出此图像中所有的缺陷位置。
【示例1】
以下是对累计43张图片（使用高拍仪拍摄的不同颜色的燕尾夹图片），进行燕尾夹的颜色分类标注。
训练参数如下：
预测结果如下：
【示例2】
【示例3】
对太阳能发电板的缺陷查找检测
