综述文章

1.《Speed/accuracy trade-offs for modern convolutional object detectors》Kevin Murphy,Google Research

以Faster R-CNN, R-FCN, SSD为研究范本，研究了feature extractors(backbones), image resolutions, hardware and software platforms（CPU&GPU）的差异。研究的具体方式是在统一的框架上重新实现。文章给出了许多统计图表，非常棒。

聊SSD

Contributions

1.Multi-Scale Feature Maps

2.Splitting the Region Space（关键联系：类似于RPN中的Anchor Box）

3.The Devil is in the Details(Data Argumentations)

数据增强

horizontal flip/random crop&color distortion/random expansion.

工作联系

模型发展之间的联系：按照目标检测领域流行的分类方式，有两类研究分支，分别是基于sliding windows(One-Stage?)和基于region proposal classification(Two-Stage?)。在CNN流行之前的两个研究分支的SOTA分别是Deformable Part Model(DPM)和Selective Search。

针对sliding windows的改进工作有OverFeat，YOLO和SSD，SSD在结构上和OverFeat(one-stage,class-specific detection pipeline)以及YOLO有直接的联系；

R-CNN结合了Selective Search和CNN，犹如春雷乍响，region proposal犹如春风般吹遍Detection界的大江南北。R-CNN有两大模块：proposal generation和post-classification。针对post-classification的改进工作有SPPnet 和Fast R-CNN,针对proposal generation的改进工作有以proposals generated directly from a separate deep neural network为目的的工作和Faster R-CNN(two-stage cascade consisting of class-agnostic proposals and class-specific detections)。

可Follow方向

作者在文章和ECCV2016的slide中提到的可做的三个方向：Object Detection+Pose Estimation,Single Shot 3D Bounding Box Detection, Joint Object Detection + Tracking Model(as part of a system using recurrent neural networks to detect and track objects in video simultaneously)

我的想法

1.Extra Feature Layers是固定的，能否根据Task自动扩展？或者说结构和Task之间的联系能否量化？结构确定了问题优化的形式或者空间，如果结构改变，优化目标就发生了变化，传统的方法论能否适用？该问题独立于SSD的结构

2.针对贡献一:multi-scale还有什么有意思的玩儿法？分析multi-scale和“金字塔”系列的关系

3.针对贡献二:default box(anchor box)还可以以什么形态存在？（之所以有2和3的想法，是因为直觉上2和3在灵活度上还远远不够！）

参考文献

1.《SSD: Single Shot MultiBox Detector》Wei Liu等人

2.ssd_eccv2016_slide，作者会上的报告，提到一些文章中没有的细节

聊聊R-FCN

Contributions

1.position-sensitive strategy manages to encode useful spatial information for locating objects,without using any learnable layer after RoI pooling

2.R-FCN的精度和Faster R-CNN相似，但是在training和inference阶段更快。

可Follow方向

1.R-FCN中的R，代表region proposals methods，典型的方法可以是Selective Search和Edge Boxes或者RPN，文章中的R-FCN中的region proposals methods是RPN。寻找更棒的region proposals methods是一个方向

2.将detection的方法用到semantic segmentation中

我的想法

1.简单的美学追求。一定可以更简单。

2.class-agnostic bbox regr（objectness）和class-specific bbox regr（multi-classification） are needed?

参考文献

1.《R-FCN：Object Detection via Region-based Fully Convolutional Networks》

聊聊R-CNN

Contributions

1.Apply high-capacity convolutional neural networks(CNN) to bottom-up region proposals in order to localize and segment objects

2.when labeled training data is scarce, supervised pre-training for an auxiliary task, followed by domain-specific fine-tuning, yields a significant performance boost

可Follow方向

我的想法

1.用CNN去解决老问题，但是没有从老路子中彻底走出来，不过已经是非常棒的工作了。

参考文献

1.《Rich feature hierarchies for accurate object detection and semantic segmentation》

聊聊Fast R-CNN

Contributions

  1. 比R-CNN，SPPnet更高的检测质量

2.训练过程是单阶段的，使用multi-task loss

3.训练可以更新所有的网络层

4.不需要feature caching

可Follow方向

1.稀疏Object Proposals可以提升检测质量，或许存在一些技术使得Dense Box表现的和稀疏Object Proposals一样好，这样的技术一旦被开发，可以加速目标检测。

我的想法

1.R-CNN和Fast R-CNN中都提到了SVM用于多分类，并且在本文中作者给出了SVM和Softmax孰优孰劣的讨论（Softmax比SVM好一丢丢）；

参考文献

1.《Fast R-CNN》,Ross Girshick(rbg@microsoft.com)

聊聊Faster R-CNN

Contributions

1.RPN: share full-image convolutional features with the detection network,thus enabling nearly cost-free region proposals. An RPN is a fully convolutional network that simultaneously predicts object bounds and objectness scores at each position.Faster R-CNN merges RPN and Fast R-CNN into a single network by sharing their convolutional features(“attention” mechanisms:the RPN component tells the unified network where to look)

可Follow方向

我的想法

1.文中给出了处理不同尺度和大小的范式

参考文献

1.《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》,Shaoqing Ren,Kaiming He,Ross Girshick, and Jian Sun

聊聊YOLO

Contributions

1.对基于滑窗的方法的计算密集的改进

可Follow方向

YOLO的两个问题

1.Can’t detect multiple objects in same grid(Anchor boxes)

2.Possibility to detect one object multiple times(Non-max suppression)

我的想法

对YOLO的两个问题的改进方法成为现在目标检测领域中的经典方法

参考文献

1.《Evolution of Object Detection and Localization Algorithms》,Prince Grover,Post

聊聊YOLO9000

Contributions

1.YOLO9000 is a strong step towards closing the dataset size gap between classification and detection

可Follow方向

1.把相似的技术用到弱监督图像分割领域

2.assign weak labels to classification data during training的技术加强

3.整合不同来源和结构的数据进入模型

我的想法

1.WordTree:整合不同来源的数据，组合ImageNet和COCO的数据进行训练

2.联合优化技术(同时在ImageNet和COCO上训练)

参考文献

1.《YOLO9000：Better,Faster,Stronger》

聊聊MobileNets和MobileNets v2

Contributions

1.MobileNets are based on a streamlined architecture that uses depth-wise separable convolutions to build light weight deep neural networks, and it uses cases including object detection, finegrain classification, face attributes and large scale geo-localization

2.width multiplier:thinner models & resolution multiplier:reduced representation

可Follow方向

我的想法

1.获得针对嵌入式设备的小网络的必要性？

2.获得小网络的方式：a.直接设计小网络；b.shrinking, factorizing or compressing pretrained networks, compression based on product quantization, hashing, pruning, vector quantization and huffman coding, distillation（典型的是模型蒸馏，有人提到数据蒸馏）, design a low bit networks.

参考文献

1.《MobileNets:Efficient Convolutional Neural Networks for Mobile Vision Applications》

聊聊Light-Head R-CNN

Contributions

可Follow方向

我的想法

参考文献

聊聊R-FCN-3000

Contributions

可Follow方向

我的想法

参考文献

这篇博客的参考文献:

1.知乎陈泰红:总结部分经典文献目录和文献阅读笔记

2.handong1587的Github列表，更新非常及时。