【深度学习论文笔记:Recognition】:Deep Neural Networks for Object Detection

本文为论文“Deep Neural Networks for Object Detection”阅读笔记，欢迎交流学习。

论文原文：http://papers.nips.cc/paper/5207-deep-neural-networks-for-object-detection.pdf

本文解决的问题：使用DNN，检测一幅图片里大量拥有不同尺度的不同物体（detect a potentially large number object instances with varying sizes in the same image）。

本文核心思想：

DNN-based regression，识别+定位。作者将识别看作回归（regression）问题，DNN不但学习到物体的特征，还捕获了物体的几何信息，避免使用滑动窗口（速度问题）。基于DNN的对象掩模的回归，如图1所示。 基于此回归模型，可以为完整对象以及部分对象生成掩码。 单个DNN回归可以为我们提供图像中多个对象的掩码。 为了进一步提高定位的精度，将DNN定位器应用于一小组大子窗口上。全流程如图2所示。

注意：文章中提到的masks，即掩码。掩码简单的说，就是设置一些区域，使其不参加处理。图像的掩