这是CVPR 2015的一篇 关于深度学习和目标检测的文章,作者是MSRA的Shaoqing Ren, Kaiming He等。文章下载链接:http://yunpan.cn/cQS7v5ruHFKek 提取码 179e
阅读总结如下(思想重要,实验暂略):
1. 当前的目标检测方法
- 总体框架是 feature extractor + object classifier。
- 传统方法:HOG/SIFT/LBP + SVM/boosted/DPM 。
- 当前方法又细分为三个流派。
- 第一种 fine-tuned ConvNet + MLP,以R-CNN为代表。
- 第二种是想把deep ConvNet 和 traditional detector做一个结合。把传统的 feature extractor 升级为 pre-trained deep ConvNet,但是用传统的分类器,即 pre-trained ConvNet +DPM/boosted, 称为Hybrid派。
- 第三种方法介于R-CNN和Hybrid之间,pre-trained ConvNet + fine-tuned MLP,以SPPnet为代表。 从性能上来说,R-CNN还是占统治地位,SPPnet和R-CNN接近,Hybrid方法一般要比前两者差点。
2. 问题的提出
- 当前方