R-CNN系列传统目标检测基于候选区域的目标检测回归方法的深度学习目标检测faster-RCNNfast-RCNNSPPNETRCNNYOLO区域选择 特征提取 分类器分类滑动窗口策略手工设计特征SVM 、adaboost 等两个问题传统目标检测10-11 0-110-1111000-1-1-1基本概念 Regionproposals CNN：卷积神经网络R-CNN：RegionwithCNNfeatures将检测问题转换成为regionproposals的分类问题 Selective Search：选择性搜索 Warp：图像Region变换 Supervisedpre-training：有监督预训练也称迁移学习 IOU：交并比IOU=(AB)/(A B) NMS：非极大值抑制 DPM：使用判别训练的部件模型进行目标检测selectivesearchWarpPASCALVOC上的检测率从35.1%提升到53.7%基于候选区域的目标检测用SGD 训练CNNImageNet1000 (N+1)classificationlayer(N: 目标类数目)CNN 架构不变class-specif
