目標檢測是什么？
目標檢測（Object Detection）可以識別一幅圖像中的多個物體，定位不同物體的同時（邊界框），貼上相應的類別。 簡單來說，解決了what和where問題。 授人以魚，不如授人以漁，本文不會具體介紹某類/某種算法（one-stage or two-stage），但會給出目標檢測相關論文的最強合集（持續更新ing）。
如何識別目標檢測算法？
（3）利用分類器進行識別，比如常用的SVM模型。 目前目標檢測領域的深度學習方法主要分為兩類：兩階段（Two Stages）的目標檢測算法；一階段（One Stage）目標檢測算法。 兩階段（Two Stages）：首先由算法（algorithm）生成一系列作為樣本的候選框，再通過卷積神經網絡進行樣本（Sample）分類。
什么是目標檢測框架？
傳統的目標檢測框架，主要包括三個步驟： （1）利用不同尺寸的滑動窗口框住圖中的某一部分作為候選區域； （2）提取候選區域相關的視覺特征。 比如人臉檢測常用的Harr特征；行人檢測和普通目標檢測常用的HOG特征等； （3）利用分類器進行識別，比如常用的SVM模型。 目前目標檢測領域的深度學習方法主要分為兩類：兩階段（Two Stages）的目標檢測算法；一階段（One Stage）目標檢測算法。