莫一丞元

部分一：背景SPP-Net是何凯明2015年发表在IEEE上的论文-《Spatial Pyramid Pooling in DeepConvolutionalNetworks for Visual Recognition》，主要的创新点在于提出了空间金字塔池化。相较于R-CNN的两处缺点：R-CNN对于每个region proposal都重复的使用CNN提取特征，这是非常消耗时间的，使得特征提取成为测试时的一个时间瓶颈；对于不同size的regionproposal的feature ma

背景继2014年的RCNN之后，Ross B. Girshick（rbg）在15年推出Fast RCNN，同样使用最大规模的网络。Fast RCNN和RCNN相比，训练时间从84小时减少为9.5小时，测试时间从47秒减少为0.32秒。在PASCAL VOC 2007上的准确率相差无几，约在66%-67%之间。主要存在三个创新点：可以训练ROI Pooling层以前的参数，即全部参数。在全连接层之间加入SVD分解，网络提速。Loss由两部分构成，其一将svm替换成softmax，进行类别判

背景经过R-CNN和Fast RCNN的积淀，Ross B. Girshick在2016年提出了新的Faster RCNN，在结构上，Faster RCNN已经将特征抽取(feature extraction)，proposal提取，bounding box regression(rect refine)，classification都整合在了一个网络中，使得综合性能有较大提高，在检测速度方面尤为明显，如下所示：主要结构Conv Layers - 输入是 image，输出是提取的图片的 fea

概述Ross Girshick在2014年的CVPR上发表论文-《Richfeature hierarchies for accurate oject detection and semantic segmentation》，首次提出R-CNN算法（可用于目标检测（要识别类别和位置）和语义分割）。可以说改变了目标检测领域的主要研究思路，紧随其后的系列文章：Fast-RCNN ，Faster-RCNN都沿袭R-CNN的思路。在RCNN之前，overfeat已经是用深度学习的方法做目标检测，但RCNN是第