论文阅读笔记：Object Detection Networks on Convolutional Feature Maps

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