迁移学习是一种在新数据集上重新训练 DNN 模型的技术，它比从头开始训练网络花费的时间更少。通过迁移学习，可以微调预训练模型的权重以对自定义数据集进行分类。在这些示例中，我们将使用 ResNet-18 和 SSD-Mobilenet 网络，尽管您也可以尝试其他网络。

前面的图像识别示例输出了代表整个输入图像的类的概率。接下来我们将专注于目标检测(Objection Dectection)，并通过提取它们的边界框来查找框架中各种目标的位置。与图像分类不同，目标检测网络能够每帧检测许多不同的对象。

有多种类型的深度学习网络可用，包括识别、检测/定位和语义分割。我们在本教程中强调的第一个深度学习能力是图像识别（Image Recognition），它使用在大型数据集上训练过的分类网络来识别场景和对象。

Jetson Nano是英伟达公司推出的一款功能强大的AI入门学习开发板，配备了128核的Maxwell GPU, 4核Arm Cotex A57 CPU，4G内存，支持摄像头，usb，HDMI接口，sd卡扩展，还提供了GPIO, I²C, I²S, SPI, UART通用的单片机接口。由于其强大的硬件配置，AI模型可以直接在本地训练和推导。