深度学习目标检测

YOLO v1 2016年发表于CVPR，$448 \times 448$图像输入，达到45FPS，63.4mAP，比SSD效果差，相比Faster R-CNN，速度快但准确率低 论文思想 将一幅图像

2016年由Wei Liu发表论文提出 Faster R-CNN存在的问题： 对小目标检测效果差 模型大，检测速度慢 网络结构 Default Box的scale和aspect设定 Predictor

R-CNN 2014年由Ross Girshick提出 算法流程 输入图像，使用Selective Search方法生成1K~2K个候选区域 对每个候选区域，使用深度网络提取特征 将特征送入每一类的S

基础 图像分类 种类 One-State 例如SSD、YOLO，基于anchors直接进行分类以及调整边界框 Two-Stage 例如Faster R-CNN 通过专门模块生成候选框（RPN），寻找前