关于深度学习在目标检测上的一些发展历史

个人笔记，均是个人的一点浅薄的见解，可能存在很多不足之处，欢迎指正。

持续修改中......

R-CNN，SPPNet，Fast RCNN，Faster RCNN，YOLO，SSD，R-FCN

R-CNN:(基于区域的卷积神经网络)

（1）region proposal（通过SS（selective search，选择性搜索））选择2k左右的图像区域。

（2）使用训练好的CNN（AlexNet，VGG）作为特征提取

（3）把所有的proposlas resize（227*227）后输入CNN模型输出对应的特征图（用的CNN包含全连接层，需要考虑输入图像的尺寸，纯卷积运算则不需要考虑）

（4）使用SVMs作为分类器，并使用NMS（非极大值抑制算法）去除多余框，只留下分数最高且相互重叠部分较小的一些框。

缺点：

（1）需要进行resize，会改变图像块的原本信息

（2）所有的proposals都要输入CNN，即CNN要运行2k+次，这其中包含了大量的重复计算，十分耗时。

SPPNet：

在R-CNN基础上做了改进，只进行依次前向的卷积运算，得到对应的特征图，然后根据ss在原图上找出的proposals，在特征图上找到对应的位置，进行SPP（空间金字塔池化，Spatial Pyramid Pooling，一般包含3个尺度，4*4，2*2，1*1，这里表示将特征图进行分块池化，具体池化的参数需要根据输入特征图进行调整），这样对于任意的输入，都可以得到相同维度的特征向量，作为FC的输入。

Fast-RCNN

在SPPNet的基础上，SPP使用了3个尺度，而Fast-RCNN中的ROI-Pooling可以看作其中的一层（7*7）。

Faster-RCNN

在Fast-RCNN的基础上，使用RPN（Region Proposal Network）自动提取区域。

YOLO：

使用24层卷积层加2个全连接层，直接输出物体的类别信息与边框位置信息。把回归与分类直接相结合。大大提高了效率。

SSD：

由于在经过多层的前向卷积运算之后，输出的特征图将变得比较小，则特征图上的一个像素点便对应着原图中较大的区域，这样的结构就很难检测较小物体。因此SSD就将中间过程输出的特征图也用来做回归和分类，可以看成一个多尺度检测的过程，保证了空间尺度上的完备性，可以有效检测出较小的物体。

R-FCN：

全卷积结构的卷积神经网络，使用1*1*n的卷积核代替全连接层，有效减少参数。

未完，更新中。。。