传统方法系列：
一、流程
二、Selective Search
三、MSER
四、Slide Window
五、EdgeBox
深度学习方法系列：
一、R-CNN
1.思想：
首先提取一系列的候选区域，然后对这些候选区域用CNN提取固定长度的特征，然后用SVM对特征进行分类，最后对候选区域进行微调。
2.步骤：
（1）使用Selective Search对输入图像提取大约2000个候选区域（proposal）；
（2）对每个候选区域的图像进行拉伸形变，使之成为固定大小的图像（如227*227），并将该图像输入到CNN（Alexnet）中提取（4096维的）特征；（先在ImageNet上进行预训练再微调，IOU阈值为0.5，分类为21个channel（是不是目标，是哪类目标））
（3）使用线性的SVM对提取的特征进行分类（对每一类训练一个分类器）；
（4）对proposal进行微调（在附录里面）。
（5）测试时，用NMS做后处理。（对IOU大于一定阈值（如0.5）的proposal对，去掉面积小的proposal）
3.缺点：
（1）输入需要固定尺寸；
（2）proposal的特征需要存储，占用大量存储空间；
（3）每个proposal单独提取特征，大量重叠，浪费计算资源。
4.参考：
https://blog.csdn.net/lhanchao/article/details/72287377；
https://www.cnblogs.com/gongxijun/p/7071509.html?utm_source=debugrun&utm_medium=referral
二、SPPNet
1.思想：
改进R-CNN，使得原图只需输入一次，并且不需要固定大小。思路是，首先提取Proposal，然后将整张图输入到神经网络中得到feature map,将proposal位置对应到feature map上，剪切下来再进行图像金字塔池化得到固定长度的特征，最后再用分类器进行分类。
2.步骤：
（1）使用Selective Search对输入图像提取大约2000个候选区域（proposal）；
（2）将整张图像输入到神经网络（如ZF-5）中得到feature map，并对候选区域对应的feature map采用空间金字塔（4级，1*1,2*2,3*3，6*6共50块）池化得到固定大小（256个channel*50=12800维）的特征；（只有1*1时是全局平均池化）
（3）用多个二分类SVM进行分类；
（4）bounding box回归。
（5）测试时，NMS做后处理。
3.缺点：
（1）仍然基于RCNN框架，非端到端；
（2）提取proposal依然耗时；
（3）金字塔池化两端无法同时训练。
4.参考：
http://www.dengfanxin.cn/?p=403
三、Fast R-CNN
1.思想：
将SPP的空间金字塔池化思想引入到R-CNN，用softmax代替SVM分类器，同时将bounding box 回归纳入到整体框架中。
2.步骤：
（1）对输入的图片利用Selective Search得到约2000个感兴趣区域，即ROI；
（2）将整张图输入到网络中得到feature map，并在feature map上求得每个ROI对应的区域；
（3）用ROI Pooling层得到固定长度的向量，然后经过两个全连接层得到ROI的特征向量；
（4）分别经过两个全连接层得到预测结果，一个用来分类是哪个目标，一个用来bbox回归。
（5）测试时，非极大值抑制得到最终结果。
3.细节：
ROI pooling:
是SppNet的图像金字塔池化的一种特例，只有一层。
4.Loss：
分类softmax loss+回归smooth L1 loss
5.缺点：
（1）仍然是双阶段的；
6.参考：
https://blog.csdn.net/wonder233/article/details/53671018
四、Faster R-CNN
1.思想：
用RPN（区域生成网络）取代以往算法的区域生成阶段，然后交替训练，使得RPN和Fast RCNN共享参数。
2.步骤：
（1）用基础网络（VGG16）获得feature map；
（2）将feature map输入到RPN网络中，提取proposal，并将proposal映射到原feature上；
（3）将proposal的feature map用ROI pooling池化到固定长度；
（4）进行类别的分类和位置的回归。
3.细节：
RPN网络：
思想：在feature map的每个cell上赋予9=3（3种size）*3（3种比例，1:1,1:2,2:1）个anchor，每个anchor需要检测该cell是不是目标（9*2=18维），以及目标的更精确的位置（9*4=36维），整个feature map得到W/4*H/4*（18+36=54）大小的feature map，接着就可以按分数取正负样本，再从原feature map上裁出来然后ROI pooling，就得到待分类和回归的proposal。
bbox回归
将anchor映射回原图进行回归，回归之后去掉超出边界的Bbox，再用非极大值抑制，最后选择前TopN的anchor进行输出。
4.Loss:
RPN损失：分类损失（softmax）+λ回归损失（L1 smooth）
Fast RCNN损失：见上
5.参考：
http://www.360doc.com/content/17/0809/10/10408243_677742029.shtml
五、YOLO
六、SSD
七、R-FCN
八、EAST
九、RefineNet
十、Mask RCNN
十一、DSSD
十二、DCN