全段时间说写，一直也没有写，开学遥遥无期，赶紧充充电！
一文读懂目标检测：R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD
目标检测算法总结
1、传统视觉：Cascade + HOG/DPM + Haar/SVM以及上述方法的诸多改进、优化；
2、候选区域/框 + 深度学习分类：通过提取候选区域，并对相应区域进行以深度学习方法为主的分类的方案，如：
R-CNN（Selective Search + CNN + SVM）
SPP-net（ROI Pooling）
Fast R-CNN（Selective Search + CNN + ROI）
Faster R-CNN（RPN + CNN + ROI）
R-FCN
等系列方法；
3、基于深度学习的回归方法：YOLO/SSD/DenseBox 等方法；以及最近出现的结合RNN算法的RRC detection；结合DPM
DeformableCNN等
原文很好的总结了常用算法的优缺点，及步骤，现在搬运一下:
RCNN
1.在图像中确定约1000-2000个候选框 (使用选择性搜索Selective Search)
2.每个候选框内图像块缩放至相同大小，并输入到CNN内进行特征提取
3.对候选框中提取出的特征，使用分类器判别是否属于一个特定类
4.对于属于某一类别的候选框，用回归器进一步调整其位置
Fast R-CNN
1.在图像中确定约1000-2000个候选框 (使用选择性搜索)
2.对整张图片输进CNN，得到feature map
3.找到每个候选框在feature map上的映射patch，将此patch作为每个候选框的卷积特征输入到SPP layer和之后的层
4.对候选框中提取出的特征，使用分类器判别是否属于一个特定类
5.对于属于某一类别的候选框，用回归器进一步调整其位置
Faster R-CNN
1.对整张图片输进CNN，得到feature map
2.卷积特征输入到RPN，得到候选框的特征信息
3.对候选框中提取出的特征，使用分类器判别是否属于一个特定类
4.对于属于某一类别的候选框，用回归器进一步调整其位置
由此可见，速度的提升主要集中在两方面，一个是如何选取候选框，另一个是何时对候选框进行计算。Fast R-CNN相对于CNN提升的地方在于，CNN提前选好几千个候选框，一一进入CNN计算，速度较慢；而Fast R-CNN则是先选框，然后整张图进行CNN计算，在feature map中映射出候选框，进行回归判定。Faster R-CNN相对于Fast R-CNN进步的地方，在于当图片输入到RPN中后才得到候选框的特征信息，纵观三个网络，候选框的提取时间原来越靠后，是为了保证整张图只进行一次CNN特征提取就好，大大节省了时间。
速度提升了，那么准确度呢？所有的网络到最后计算的回归都是在全连接层进行的，那么就限制了输入网络的大小，必须resize成同一规格，前面的提取的各种大大小小的提取框，resize成同一规格的，失真还是很严重的。
SPP-NET的出现，解决了这个问题。
SPP-NET全称，Spatial Pyramid Pooling（空间金字塔池化），最后一个卷积层后，接入了金字塔池化层，保证传到下一层全连接层的输入固定，而非在输入图像一开始就进行resize。速度提升一百倍的基础上，解决了输入需要resize造成失真的问题。Fast R-CNN 就借鉴了这种结构，最后一个卷积层后加了一个ROI pooling layer，损失函数使用了多任务损失函数(multi-task loss)，将边框回归Bounding Box Regression直接加入到CNN网络中训练，这样使得精度有所提升。Faster R-CNN的进步在于引入Region Proposal Network(RPN)替代Selective Search，同时引入anchor box应对目标形状的变化问题。
Faster R-CNN详解###
conv layers以及feature maps不需要过多介绍，直接上干货。
RPN
参考博客
通俗来讲，就是在前一步得到了特征图，到了这一步，先进行3 * 3 * 256 * 256的卷积层（可能是为了扩大感受野）得到了得到11 * 11 * 256的输出特征图。然后设定了3种尺寸和三种比例的物体框，开始在特征图上滑动，足以圈出整个物体。这样要比在原图上……毫无目的画框框快速的多。
后面待更……
详解Faster R-CNN
1 RPN网络
原文中RPN网络为CNN后面接一个3* 3 的卷积层，再接两个 1* 1的卷积层(原文称这两个卷积层的关系为sibling)，其中一个是用来给softmax层进行分类，另一个用于给候选区域精确定位。
2 Anchor
Feature map中每个点上有k个anchor（原文如上k=9），而每个anchor要分foreground和background。
下面这张图一目了然。
3 RPN训练
RPN训练中对于正样本文章中给出两种定义。第一，与ground truth box有最大的IoU的anchors作为正样本；第二，与ground truth box的IoU大于0.7的作为正样本。文中采取的是第一种方式。文中定义的负样本为与ground truth box的IoU小于0.3的样本。
4 RPN网络与Fast R-CNN网络的权值共享
先训练RPN，然后使用得到的候选区域训练Fast R-CNN，之后再使用得到的Fast R-CNN中的CNN去初始化RPN的CNN再次训练RPN(这里不更新CNN，仅更新RPN特有的层)，最后再次训练Fast R-CNN(这里不更新CNN，仅更新Fast R-CNN特有的层)。
——————————————————————————————待更新，代码详解
