論文:<<Deep
Neural Networks for Object Detection>>
作者:Christian Szegedy Alexander Toshev Dumitru
Erhan
來源: Google
是否開放代碼： 否
主要思想：利用DNN來做目標(biāo)檢測(cè)，因?yàn)楝F(xiàn)在的CNN等深度學(xué)習(xí)在識(shí)別上面做的還挺好，但是在目標(biāo)檢測(cè)上面，好像沒有特別突出的結(jié)果。目標(biāo)檢測(cè)
= 目標(biāo)識(shí)別 +目標(biāo)定位；
本文中作者把目標(biāo)檢測(cè)看做一個(gè)回歸問題，回歸目標(biāo)窗口（BoundingBox）的位置，
尋找一張圖片當(dāng)中目標(biāo)類別和目標(biāo)出現(xiàn)的位置。
當(dāng)前的目標(biāo)檢測(cè)方法效果比較好的是DPM（可變形部分模型）模型，建立在目標(biāo)表示和目標(biāo)可分解為由多個(gè)Part組成的模型，它是一種圖模型，利用判別性學(xué)習(xí)這種圖模型在目標(biāo)檢測(cè)中取得了不錯(cuò)的結(jié)果。
目標(biāo)檢測(cè)最重要的問題：1.大?。ǚ直媛剩?/span>
2.如何不滑動(dòng)窗口來做（滑動(dòng)窗口實(shí)在是太慢了）。
文章說明了：1. 基于DNN的回歸不但可以學(xué)習(xí)有利于分類的特征，同時(shí)它也能夠捕獲到目標(biāo)的幾何信息；
主要內(nèi)容：
通過設(shè)計(jì)基于DNN的回歸，它的輸出為二值化mask（掩碼？反正就是來表示目標(biāo)的位置信息），并且實(shí)現(xiàn)了從掩碼中提取檢測(cè)到的目標(biāo)窗口，利用DNN的掩碼回歸問題中，即考慮到了完整圖像的多尺度問題，同時(shí)也考慮到了一些小數(shù)量的圖像裁剪塊，然后以此精化；
在實(shí)現(xiàn)中，作者基于NIPS2012ImageNet那篇，直接把最后一層替換為回歸層。
其它的基于DNN的檢測(cè)方法或多或少是基于局部或者半局部分類器來做的，這這篇文章中采用的是利用整幅圖像作為輸入，然后通過位置回歸來做的，這樣的方法顯然比滑動(dòng)窗口的方法來說更加的高效；
對(duì)于存在的三個(gè)問題：1 .單個(gè)掩碼可能區(qū)分開那些相互靠近的目標(biāo)，2.由于輸出大小的限制，產(chǎn)生的掩碼會(huì)比原始圖像小很多，所以這樣就不能夠精確的定位，3.因?yàn)檩斎胧钦麖垐D像，一些小的圖片能夠影響到的輸入神經(jīng)元很少，所以將導(dǎo)致不易識(shí)別；
1.為了解決第一個(gè)問題：目標(biāo)相互靠近的情況：
作者生成多個(gè)掩碼，每個(gè)掩碼表示著對(duì)應(yīng)的完整的目標(biāo)或者部分目標(biāo)，他們使用一個(gè)網(wǎng)絡(luò)來預(yù)測(cè)目標(biāo)窗口掩碼，使用4個(gè)附加的網(wǎng)絡(luò)來檢測(cè)4個(gè)半部分窗口，上下左右。這5個(gè)預(yù)測(cè)的結(jié)果是過完全的，但是可以減少不確定性和一些掩碼錯(cuò)誤。這樣當(dāng)有兩個(gè)相同對(duì)象靠近出現(xiàn)在圖像中時(shí)，產(chǎn)生的5個(gè)掩碼至少有兩個(gè)是不會(huì)合并在一起的，這樣就可以區(qū)分開不同的目標(biāo)；
