1 什么是目标检测
图像处理领域的目标检测（边缘检测）任务：识别出图片中物体的轮廓边缘，定位它们的位置，并用方框框出。
RCNN 2014年
1 利用选择性搜索方法（Selective Search）选出1000到2000个候选框（感兴趣区域，Region Interest）
2 所有候选框缩放至相同大小输入到CNN中
3 每个候选框都进行一次卷积，卷积模型选用（AlexNet预训练模型+fine-turning微调），这样设置计算量巨大不合理。
4 采用SVM分类
SPP-Net，2015年
针对RCNN第3步的问题进行改进，减少卷积次数，不对所有候选框卷积。而是只先进行一次卷积，然后再候选框。
1 同RCNN一样采用选择性搜索方法（Selective Search）选出1000到2000个候选框。
2 只卷积一次得到整张图的feature map，然后找到每个候选框在feature map上的映射patch
3 spp layer层 设计各种尺寸的池化过滤器，统一输出尺寸
Fast-RCNN，2015
同样是只进行一次卷积的思想
1 同样采用选择性搜索方法（Selective Search）选出1000到2000个候选框。
2 只卷积一次得到整张图的feature map，然后找到每个候选框在feature map上的映射patch
3 与spp layer层不同的是， Fast-RCNN的叫做ROI Pooling(single-level spp layer)
4 最后采用softmax+liner线性回归分类
Faster-RCNN，2015
第1步就与之前不同，不再使用选择性搜索方法（Selective Search）选出那么多的候选框了，而把候选框放在后面的操作中。
1 直接只卷积一次得到整张图的feature map，提出了RPN的方法在feature map上进行滑窗，得到候选框。
目标检测方法演化：
R-CNN Fast RCNN Faster RCNN
50秒 2秒 0.2秒 省时
目标检测扩张内容，转载这篇博客：