主要内容来自于对 “专知深度学习-高君宇” 教学资料的梳理笔记 和 来自互联网知识的辅助理解，感谢。
目标检测 就是在一张图片中找到所有的物体并且给出其类别和边框（bounding box），如图。
早期的目标检测有很多模型，典型的有基于部件的模型（DPM），Pedro F在2010年提出来的利用HOG对多精度下的图片进行特征提取，然后将特征转换成响应信号，进行响应集成，最终获得目标检测框。
HOG：方向梯度直方图，常用于图像特征提取（与LBP,Harr并称图像特征提取三大法宝，哈哈），经常配合SVM使用解决图像识别问题。有几个博客写的很详细：
https://www.cnblogs.com/zhehan54/p/6723956.html
https://blog.csdn.net/coming_is_winter/article/details/72850511
随着科技的发展，图片的获取变得便捷，数据量的大幅上升，在数据驱动下，目标检测的方法逐渐向深度学习神经网络方向偏移。
目标检测仍旧存在几个难点：1）精度；2）图片内容日益复杂，需要测试的位置增加；3）需要检测的目标增加。
以上就是概述部分，下面是详细讲解。
名词了解：
1）评价标准：召回率，准确率，交并比，平均准确率，详细解释可以查看我的往期博客。
2）滑动窗口（sliding window）
3）难样本挖掘（Hard negative mining）:给难分的负样本更多关照（权重）。
4）非极大值抑制（Non-maximum suppression）：将与指定框overlap过高的框移除。
5）边界框回归：对目标候选进行精化，减少框内无关背景。
两阶段目标检测方法：产生目标候选->分类 http://arxiv.org/abs/1311.2524 ，
R-CNN，将特征提取（CNN）和分类（SVM）分为两个步骤完成。
基本框架如图，
SPP-net，https://arxiv.org/abs/1406.4729
改进：多尺度训练，共享整张图片（特征提取部分不同于R-CNN的地方），对形变鲁棒。
Fast R-CNN, https://arxiv.org/abs/1504.08083
Faster R-CNN, https://arxiv.org/pdf/1506.01497.pdf
RFCN, https://arxiv.org/abs/1605.06409
几种方法对比（Liu, Li, Wanli Ouyang, Xiaogang Wang, Paul Fieguth, Jie Chen, Xinwang Liu, and Matti Pietikäinen. "Deep learning for generic object detection: A survey." arXiv preprint arXiv:1809.02165 (2018).）
两阶段方法都需要经过目标候选和分类两个阶段，计算复杂度高，不利于实时性。
单阶段目标检测算法
YOLO，https://arxiv.org/abs/1803.07113
划分网格，检测每个网格中目标存在的概率，每个网格预测是某一类别的条件概率（将第二阶段加入进来了）
未完待续。。。