目标检测学习总结

准备踏入Object Detection的学习，先建一个blog来记录下自己的学习内容。

• 目标检测（Object Detection）

在“目标检测”任务中，主要解决的两个问题，即图像中的多个目标物在哪里？【位置】以及是什么？【类别】。通常来说，一般把其发展历程分为三个阶段：

1. 传统的目标检测方法
2. 以R-CNN为代表的结合region proposal和CNN分类的目标检测框架（R-CNN，SPP-Net，Fast R-CNN，Faster R-CNN，R-FCN）。
3. 以YOLO为代表的将目标检测转换为回归问题的end-to-end的目标检测框架（YOLO，SSD）。

脉络梳理
传统方法—> RCNN(2014 ECCV) —> SPPNet (2015) —> Fast RCNN (2015 ICCV) —> Faster RCNN (2016 NIPS) —> Mask RCNN (2017) —> SSD (2015 ECCV) —> YOLO (2016 CVPR) —> YOLO v2 (2016).

传统的目标检测方法

分为三个阶段：区域选择—>特征提取—>分类器分类。

1. 区域选择：利用不同尺寸的滑动窗口框住图中的某一部分作为获选区域。
2. 特征提取&