摘要：
YOLOv1 作者：Joseph Redmon CVPR'16 paper：YOLOv1 亮点 将目标检测当作是一个回归任务，使用一个网络预测类别和bounding box 网络结构 传统的目标检测方法先生成候选框，然后在候选框的基础上进行分类，修正边框，去重复框等操作，速度慢。 本文将目标检测视为 阅读全文
摘要：
Faster R-CNN 作者：Ross B. Girshick NIPS'15 paper：Faster R-CNN 亮点 提出RPN解决select search速度慢的问题 网络结构 流程 输入图像会被缩放到$M\times N$大小 采用一系列卷积操作，得到对应的特征图 特征图输入RPN网络 阅读全文
摘要：
Fast R CNN 和R CNN是同一位作者 paper： "Fast R CNN" 亮点 引用ROI pooling，可以输入任意尺寸的图像 region proposal在特征提取之后，可以共享卷积层部分的参数 分类部分换成全连接层softmax loss是分类+框回归的联合，不用分别训练 网 阅读全文
摘要：
R-CNN 目标检测+深度学习开山之作 CVPR'14 paper：Rich feature hierarchies for accurate object detection and semantic segmentation 亮点 使用selection search(region propos 阅读全文