我正在研究一个项目，以检测以下类{汽车，卡车，公共汽车}，然后提取相应的车牌 .
这个问题是关于各个类的检测 . 我使用传统的方法，我使用线性SVM的HOG功能，它的工作但精度低 . 我正在尝试研究CNN的基于深度学习的检测，它已经显示出更高的准确性 . 像R-CNN这样的论文非常精彩，我完全理解它是如何运作的 .
最近，YOLO模型显示出非常快速的检测，这非常有趣 . 如果我能正确猜测，那么YOLO大致类似于DPM .
通常，YOLO具有24个卷积层和2个完全连接的层 . NVIDIA DIGITS基于这篇YOLO论文实现了一个DetectNet . 令我感到困惑的是，NVIDIA的DetectNet没有任何完全连接的图层（Caffe Model File） . 相反，来自最后一个卷积层的输出通过一个减少维数的卷积层，我认为这对于拥有一个对象有一定的信心 .
Question 1
但我不明白卷积层如何取代FC层并学会预测对象？对此的详细解释将非常有帮助 .