目标检测综述《Object Detection in 20 Years: A Survey》阅读笔记（一）

之前读了一下这篇综述，《Object Detection in 20 Years: A Survey》，是19年底新出的文章。想写个博客记录一下，但还没读完，就把阅读笔记分章节放上来。
这是第二章。

2. OBJECT DETECTION IN 20 YEARS

2.1 A Road Map of Object Detection

2.1.1 Milestones: Traditional Detectors

介绍了Viola Jones Detectors、HOG Detector和Deformable Part-based Model (DPM)三种，其中，HOG Detector：

N. Dalal和B. Triggs [12]最初于2005年提出了定向梯度直方图（HOG）特征描述器。 HOG可被认为是其时间尺度不变特征变换[33，34]和形状上下文[35]的重要改进。为了平衡特征不变性（包括平移，缩放，照度等）和非线性（区分不同的对象类别），将HOG描述符设计为在均匀间隔的像元的密集网格上进行计算，并使用重叠的局部对比度归一化（在“块”上）以提高准确性。尽管HOG可用于检测各种对象类别，但它主要是由行人检测问题引起的。为了检测不同大小的物体，HOG检测器会多次缩放输入图像，同时保持检测窗口的大小不变。多年来，HOG检测器一直是许多对象检测器[13、14、36]和各种计算机视觉应用的重要基础。

补充：HOG特征

2.1.2 Milestones: CNN based Two-stage Detectors

在2012年，世界见证了卷积神经网络的重生[40]。由于深度卷积网络能够学习图像的鲁棒且高级的特征表示，因此自然而然的问题是,我们是否可以将其用于对象检测？ R. Girshick等通过提出Regions with CNN features（RCNN）来检测物体，率先打破了僵局。从那时起，物体检测开始以前所未有的速度发展。
在深度学习时代，对象检测可以分为两类：“Two-stage检测”和“One-stage检测”，其中前者将检测过程称为“从粗到精”过程，而后者则将其视为“一步完成”。

RCNN

RCNN背后的思想很简单：它始于通过selective search提取一组object proposals(object candidate boxes)[42]。 然后将每个proposal重新缩放为固定大小的图像，并输入到ImageNet上训练的CNN模型中（例如AlexNet [40]）以提取特征。 最后，线性SVM分类器用于预测每个区域内对象的存在并识别对象类别.
尽管RCNN取得了长足的进步，但它的缺点也很明显：对大量重叠的proposals（从一张图像中提取2000多个框）进行冗余特征计算会导致极慢的检测速度（使用GPU，每张图像14s）。 同年晚些时候，SPPNet [17]提出并克服了这个问题。

总结：
selective search ——> rescale proposal ——> CNN提取特征 ——> SVM分类
参考：
目标检测（1）-Selective Search
目标检测(一) R-CNN

SPPNet

2014年，K. He等人提出了空间金字塔池化网络（SPPNet）[17]。先前的CNN模型需要固定大小的输入，例如AlexNet的224x224图片[40]。 SPPNet的主要贡献是引入了空间金字塔池化（SPP）层，SPP层使CNN可以生成固定长度的representation，而与感兴趣的图像/区域的大小无关，而无需对其进行重新缩放。当使用SPPNet进行目标检测时，只从整个图像计算一次特征图，然后可以生成任意区域的固定长度表示以训练检测器，从而避免了重复计算卷积特征。 SPPNet的速度是R-CNN的20倍以上，而且丝毫没有牺牲任何检测精度（VOC07 ​​mAP = 59.2％）。
尽管SPPNet有效地提高了检测速度，但仍然存在一些缺点：首先，训练仍然是多阶段的；其次，SPPNet仅微调其全连接层，而忽略了之前的所有层。次年晚些时候，提出了Fast RCNN [18]并解决了这些问题。

参考：
目标检测(二) SPPNet，包括：

1. 池化野
2. SPPNet的训练
3. Mapping a Window to Feature Maps
   

Fast RCNN

在2015年，R。Girshick提出了Fast RCNN检测器[18]，这是对R-CNN和SPPNet的进一步改进[16，17]。 快速RCNN使我们能够在相同的网络配置下同时训练一个detector和一个bounding box regressor。 在VOC07数据集上，Fast RCNN将mAP从58.5％（RCNN）提高到70.0％，同时检测速度比R-CNN快200倍。
尽管Fast-RCNN成功地集成了R-CNN和SPPNet的优点，但其检测速度仍然受到提议检测的限制（有关更多详细信息，请参见第2.3.2节）。 然后，自然会产生一个问题：“我们可以使用CNN模型生成object proposals吗？” 后来，Faster R-CNN [19]回答了这个问题。

参考：
目标检测(三) Fast R-CNN（RoI Pooling）

Faster RCNN

2015年，S。Ren等人 在Fast RCNN之后不久，提出了Faster RCNN检测器[19，44]。 Faster RCNN是第一个端到端和第一个近实时深度学习探测器（COCO mAP @ .5 = 42.7％，COCO mAP @ [。5，.95] = 21.9％，VOC07 mAP = 73.2 ％，VOC12 mAP = 70