原文链接：https://www.52ml.net/20287.html
这篇博文主要讲了深度学习在目标检测中的发展。
博文首先介绍了传统的目标检测算法过程：
传统的目标检测一般使用滑动窗口的框架，主要包括三个步骤：
- 利用不同尺寸的滑动窗口框住图中的某一部分作为候选区域；
- 提取候选区域相关的视觉特征。比如人脸检测常用的Harr特征；行人检测和普通目标检测常用的HOG特征等；
- 利用分类器进行识别，比如常用的SVM模型。
基于深度学习的目标检测分为两派：
- 基于区域提名的，如R-CNN、SPP-net、Fast R-CNN、Faster R-CNN、R-FCN；
- 端到端（End-to-End），无需区域提名的，如YOLO、SSD。
目前来说，基于区域提名的方法依然占据上风，但端到端的方法速度上优势明显，后续的发展拭目以待。
接下来是对相关研究的详细介绍。
1、首先介绍的是区域提名–选择性搜索，以及用深度学习做目标检测的早期工作–Overfeat。
选择性搜索：不断迭代合并候选区域，已被弃用。
OverFeat: 用CNN做分类、定位和检测的经典之作（马克一记）。
2、基于区域提名的方法：主要介绍R-CNN系列
R-CNN:之前的工作都是用滑动窗口的方式，速度很慢，R-CNN采用的是selective search。
它和OverFeat类似，但缺点是速度慢。
SPP-net：针对剪裁技术可能出现的问题，SPP不管是对整副图像还是裁剪后的图像，都提取
相同维度的特征，这样可以统一送至全连接层。
FAST R-CNN:主要解决2000个候选框带来的重复计算问题。
FASTER R-CNN：抛弃了selective search，引入了RPN网格。
R-FCN：将最后的全连接层换为了卷积层。
3、端到端（end-to-end）:无需区域提名
YOLO：将448*448的图像分成S*S的网络，简化目标检测流程；
SSD: YOLO的改进，分为两部分：图像分类的网络和多尺度特征映射网络。
目标检测还存在一些问题，比如小目标检测问题。
