【Object Detection】

建议先读文献，再读一下别人的理解

---

1. RCNN: Rich feature hierarchies for accurate object detection and semantic segmen-tation
   
   RCNN

读论文系列Object Detection · 干货满满的RCNN
转载自梦里茶

2. SPP-net: Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recog-nition
   
   Spatial Pyramid Network
   
   解决RCNN需要从 region proposals多次提取特征，用 SPP-net 抽一次特征，之后再分对应的 region proposals 要抽取的特征。
   并且抽完的特征不用 crop 或者 warp，用多个pooling 层固定输出的大小。
   （candidate object locations = region proposals）
   输入图片不能随意大小的原因受限与全连接层，即使全连接层能根据feature map选择w的个数，但是训练的时候，每次w个数都要更改，或者反向传播都是问题。

读论文系列：Object Detection SPP-net
转载自梦里茶

3. Fast R-CNN: Fast R-CNN
   
   Fast R-CNN
   
   重要改变： Region of Interest pooling layer
   提高准确性

读论文系列：Object Detection ICCV2015 Fast RCNN
转载自梦里茶

4. Faster R-CNN: Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks（这篇建议直接看别人的讲解，论文讲的有点绕）
   
   Faster R-CNN(实际是分步训练)
   
   重要改进：对 Region proposals 的选择，建立了一个 Region Proposal Network。
   anchor， 即原候选区。选完anchor之后，输出的anchor作为proposals.

读论文系列：Object Detection NIPS2015 Faster RCNN
转载自梦里茶