摘要：目标检测问题，R-FCN是在Faster R-CNN的框架上进行改造，第一，把base的VGG16换车了ResNet，第二，把Fast R-CNN换成了先用卷积做prediction，再进行ROI pooling。由于ROI pooling会丢失位置信息，故在pooling前加入位置信息，即指定不同score map是负责检测目标的不同位置。pooling后把不同位置得到的score map进行组合就能复现原来的位置信息。 阅读全文

摘要：文本线检测，先用一个coarse-CNN检测粗略的文字区域（文字块），再用fine-CNN提取文字区域中的文本线。CNN是VGG16上进行三点修改，滤波器改为矩形，引入全卷积代替全连接，用多层feature map进行融合 阅读全文

摘要：文本检测，先用CNN得到深度特征，然后用固定宽度的anchor来检测text proposal（文本线的一部分），并把同一行anchor对应的特征串成序列，输入到RNN中，最后用全连接层来分类或回归，并将正确的text proposal进行合并成文本线。 阅读全文

摘要：介绍了一个针对小目标的benchmark库，并对传统的R-CNN进行修改（对RPN进行修改，利用了proposal的上下文），用来检测小目标。 阅读全文