目标检测论文综述（一）深度卷积神经网络

一、前言

最近一周，集中时间看了部分经典卷积神经分类网络和目标检测网络的相关论文，结合自己的理解做如下的综述报告，本系列博客为目标检测论文综述，根据内容分为四个部分：
1、深度卷积神经网络
2、CNN based Two-Stage Detectors
3、CNN based One-Stage Detectors
4、基于Anchor-Free的目标检测方法

所有论文综述均保持如下格式：
1、一页PPT内容总结一篇论文
2、标题格式一致：出处 年份 《标题》
3、内容格式一致：针对XX问题；提出了XX方法；本文证明了XXX
4、把握核心创新点，言简意赅

二、深度卷积神经网络

一、ILSVRC 2012《AlexNet:ImageNet Classification with Deep Convolutional Neural Networks》

• 针对：LeNet卷积层深度不够，准确度低
• 提出了：1.使用ReLu；2.Local Response Normalization局部响应归一化；3.数据增强+Dropout（防止过拟合）；4.GPU加速网络训练；5.使用最大池化避免平均池化的模糊效果