常见经典目标检测算法

1、目标检测基本概念 1.1 什么是目标检测

目标检测(Object Dectection)的任务是图像中所有感兴趣的目标（物体），确定他们的类别和位置。

1.2 目标检测要解决的核心问题

除图像分类外，目标检测要解决的核心问题是：
1.目标可能出现在图像的任何位置。
2.目标右各种不同的大小。
3.目标可能有各种不同的形状。

1.3 目标检测算法分类

• Two stage目标检测算法
  先进行区域生成（region proposal,RP）(一个可能包含待检测物体的预选框)，再通过卷积神经网络进行样本分类。
  任务：特征提取->生成RP->分类/定位回归。
  常见Two stage目标检测算法有:R-CNN、SPP-Net、Fast R-CNN和R-FCN等。
• One stage 目标检测算法
  不用RP，直接在网络中提取特征来预测物体分类和位置。
  任务：特征提取->分类/定位回归。
  常见的one stage目标检测算法有：OverFeat、YOLOv1、YOLOv3、SSD和RetinaNet等。

1.4 应用领域

• 人脸检测
• 行人检测
• 车辆检测
• 道路检测
• 障碍物检测
• 等等

2、Two stage 目标检测算法 2.1 R-CNN 2.1.1 R-CNN 创新点

• 使⽤CNN（ConvNet）对 region proposals 计算 feature vectors。从经验驱动特征（SIFT、HOG）到数据驱动特征（CNN feature map），提⾼特征对样本的表⽰能⼒。</