当前主流目标识别（Object Detection）算法

参考链接：
https://blog.csdn.net/librahfacebook/article/details/103114747
https://blog.csdn.net/weixin_43196118/article/details/112346077

目标识别（Object Detection）就是从图像/视频之中识别出用户感兴趣的目标，反馈目标的位置和类别。目前主流的目标识别技术方案包括R-CNN，YOLO，SSD等，新的算法也层出不穷，网上有很多这方面的参考资料。这里就主流的上述几种算法做一个汇总。

1. R-CNN

R-CNN（Region with CNN features）2014年由Ross Girshick提出。Ross Girshick为Facebook人工智能研究院的研究科学家，从芝加哥大学获得博士学位，在微软研究院、加州大学伯克莱分校做过研究员。

其主要原理为针对一张图片建议大量（2千多个）的候选区域（Region），然后分别对这些区域进行目标识别计算，使用SVM进行分类。

在R-CNN基础上，后面有Fast R-CNN，Faster R-CNN等，Fast R-CNN由Ross Girshick于2015年提出，Faster R-CNN由其它研究人员同Ross Girshick共同提出。其中又有了Mask R-CNN，为Faster R-CNN的一个分支，由何凯明于2017年提出。

R-CNN
论文链接：http://arxiv.org/abs/1311.2524
项目链接：