目前主流的目标检测算法分为两大类（两阶段检测和一阶段检测）

   两阶段检测：第一步：生成可能包含物体的候选区域（专业术语：Region Proposal）第二步：对候选区域做进一步分类和校准，得到最终的检测结果。代表：R-CNN，SPPNet，Fast R-CNN， Faster R-CNN

   一阶段检测：直接给出最终的结果，没有显示地生成候选区域的步骤。代表： Yolo， SSD

下面详细介绍这几种算法的原理：

R-CNN:

     

      第一步：先通过Selective Search算法生成候选区域（Proposal），这个算法的思想是：认为可能存在物体的区域应该是有某种相似性或连续性的区域。所以，它首先是用分割算法在图像上生成很多小的区域，这些区域为最基础的子区域，然后根据这些区域之间的相似性进行区域合并，衡量相似性的标准可以是颜色，纹理和大小等。不断叠加这种小区域，直到全部合并到一块，然后给每个区域做一个外切的矩形，就得到了许许多多的可能是物体的区域方框。 候选区域搞定好，找了一张图，感受一下这个算法的执行

                    简要说明，左边是根据分割算法生成小的候选区域，接着往上合并（相似度高）。 反应到图中，就是中间那个图。 

      第二步：强行将这些图形放大到一个尺寸，因为在卷积网络之后，我们要对图片进行分类，R-CNN采用的是多个SVM进行分类。所以对于卷积网络，我们必须要求输出的向量维度一样，这样SVM才可以分类，为了保证输出维度一样，那你就必须保证卷积网络的输入的图片大小一致。所以这就是我们强行放大的原因。

      第三步：将图片送进卷积网络，后面还必须有个全连接层。。输入一个高维向量，我们在通过SVM进行物体的分类，这样就检测出物体，并会预测出这个物体属于这个类型的概率。。

      第四步：检测出以后，必须画框，我们第一步已经有了边框，这里直接画出就行了？  不行，因为你的框可能不够好，我们还要根据训练数据中标记的框去校正第一步生成的框。。见下图：（网上随便找的）

                假设红色框使我们标记的框，而蓝色框使我们Selective Search生成的宽，我们还需根据红框去校正蓝色框。。具体校正方法：不就是回归那四个点嘛。。让他们对应点的欧式距离减小。。

SPPNet：

     为什么会提出SSPNet，我们的R-CNN有什么不好的？ 其实，在R-CNN中，为了让所有候选区域生成一个维度相等的向量，对候选区域进行了强行放缩，这样会破坏图像的比例关系，对特征的提取不利，而且，这个放缩还是相当耗时的，R-CNN论文中显示生成候选区域和 放缩的时间大概都在两秒。所以，SPPnet就在这里进行了优化。

     SPPNet采用了空间金字塔池化。怎么做的呢？  在R-CNN中对候选区域进行缩放，而在SPPNet中不对图片进行缩放，直接送进卷积，然后将卷积网络中最后的几个全连接层去掉，采用空间金字塔池化，什么是空间金字塔池化？  见下图

      从下往上看，黑色的东西就是最后一次卷积完输出的东西，厚度很厚，我们先找一个4x4的网格盖在每张特征图上，那么总共有十六个格子，每个格子中的像素肯定有多个，我们选其最大的像素，组成一个向量，然后，再找一个2x2的网格盖在特征图上，选出对应格子中的最大像素，最后用1x1的格子（也就是找出每张特征图中的最大像素值）。 

     举个例子： 假设最后一个卷积卷完后，生成的是（高度不定） x（宽度不定）x 256。。为什么不确定？因为我们给卷积网络喂的候选区域大小不同，那他输出肯定也就不同，但厚度肯定是相同的。厚度跟卷积核个数有关。。那我们开始计算：①：先通过4x4的网格，则生成的就是16x256 = 4096维向量。②：接着用2x2的网格，生成的就是4x256=1024维向量。③：最后通过1x1的网格，生成的是256维向量。接着将这三步生成的向量拼接起来，那就是4096+1024+256 = 5376维向量。很显然，不同大小的图片，我们却得到了相同大小的向量，这就是空间金字塔池化的优点。。

     最后，用这些向量进行分类，然后再校正这些框。和R-CNN一样，主要是空间金字塔池化。。

Fast R-CNN：

        善于思考的同学应该发现了一个问题，那就是为什么要将候选区域逐个送进网络？ 我们可以直接将整张图送进卷积网络中，然后再找出当初候选区域对应的边界，这样速度就会有质的提升。因为每张图片在卷积网络中运算的时间是很长的。 这就是Fast R-CNN的一个改进，同时，它还汲取了SPPnet中空间金字塔池化的优点，还有一个最重要的改进，就是引入了多任务的学习，在卷积网络出来一个，接了两个输出，一个搞图片的分类，一个搞边框的回归。 结构见下图：

        这里多啰嗦一句：候选区域对应卷积出来的那个区域，我们通常把那个区域成为ROI （region of interest 感兴趣的区域）

Faster R-CNN：

      Fast R-CNN 依然还有一个耗时操作，那就是候选框的生成（依然采用的是Selective Search算法），faster-RCNN创造性的提出了RPN（region proposal network），在卷积神经网络之后加入RPN，作为分支网络，可以实现候选框的提取。从而实现了将候选框提取这一环节合并到深度网络中。RPN的提出也是faster-RCNN最大创新点。

      接下来，我们详细说一下RPN网络结构：

      等会更新。。。