目標(biāo)檢測是近年來理論和應(yīng)用的研究熱點，它是圖像處理和計算機視覺學(xué)科的重要分支，也是智能監(jiān)控系統(tǒng)的核心部分，同時目標(biāo)檢測也是泛身份識別領(lǐng)域的一個基礎(chǔ)性算法，對后續(xù)的人臉識別、步態(tài)識別、人群計數(shù)、實例分割等任務(wù)起著至關(guān)重要的作用。

在深度學(xué)習(xí)浪潮到來之前，目標(biāo)檢測精度的進步十分緩慢，靠傳統(tǒng)依靠手工特征的方法來提高精度已是相當(dāng)困難的事，而在卷積神經(jīng)網(wǎng)絡(luò)（CNN）出現(xiàn)之后，其所展現(xiàn)的強大性能，吸引著學(xué)者們將CNN遷移到了其他的任務(wù)，也包括著目標(biāo)檢測任務(wù)。 目標(biāo)檢測這一基本任務(wù)仍然是非常具有挑戰(zhàn)性的課題，存在很大的提升潛力和空間。從RCNN到Fast RCNN，再到Faster RCNN，一直都有效率上的提升，那么如何深入了解目標(biāo)檢測，掌握模型框架的基本操作？

那么，基于CNN最經(jīng)典也是最流行的應(yīng)用應(yīng)當(dāng)是圖像處理領(lǐng)域。而研讀卷積神經(jīng)網(wǎng)絡(luò)的經(jīng)典論文，對于學(xué)習(xí)和研究卷積神經(jīng)網(wǎng)絡(luò)必不可缺。

責(zé)任編輯：lq