目标检测发展阶段

传统目标检测的方法一般分为三个阶段：首先在给定的图像上选择一些候选的区域，然后对这些区域提取特征，最后使用训练的分类器进行分类。对于传统目标检测任务中存在的两个主要问题，可以通过基于深度卷积神经网络的目标检测算法来改进。

2012年ImageNet大规模视觉识别挑战赛（ILSVRC）上，机器学习泰斗Geoffrey Hinton教授带领学生Krizhevsky使用卷积神经网络将ILSVRC分类任务的Top-5 error降低到了15.3%，而使用传统方法的第二名top-5 error高达26.2%。此后，卷积神经网络占据了图像分类任务的绝对统治地位，微软最新的ResNet和谷歌的Inception V4模型的top-5 error降到了4%以内多，这已经超越人在这个特定任务上的能力。所以目标检测得到候选区域后使用CNN对其进行图像分类是一个不错的选择。

论文Light-Head R-CNN In Defense of Two-Stage Object Detector总结提出基于深度卷积神经网络的目标检测算法分为两大门派：

（一）基于Region Proposal+CNN分类的框架（two-stage/region-based模型）

第1步是生成proposals；

第2步是对这些proposals进行分类、回归。

代表算法：R-CNN、Fast R-CNN、Faster R-CNN、R-FCN、Mask R-CNN等

（二）基于Regression的框架（one-stage/region-free模型）

算法一步到位，无需区域提名，直接从图片获得预测结果，将目标检测任务简化成了回归问题。

代表算法：YOLO、YOLO 9000、SSD等。

通常来说，前者检测精度高，后者检测速度快。随着YOLO、YOLOv2、SSD等速度极快且精度不错的one stage detector的出现，大家似乎对RCNN family的青睐少了很多。毕竟，真正应用落地的时候，speed显然是非常重要的一点。