deep learning on object detection

回归工作一周，忙的头晕，看了两三篇文章，主要在写各种文档和走各种办事流程了……

这次来写写object detection最近看的三篇文章吧。都不是最近的文章，但是是今年的文章，我也想借此让自己赶快熟悉起来之前的工作。

首先是google的工作，Speed/accuracy trade-offs for modern convolutional object detectors，下载地址：https://arxiv.org/abs/1611.10012。 11月份的工作，文章工作就如标题一样，我觉得还是有参考价值的。是基于tenseflow的，我没有基于这个平台做检测过。

还有一篇是SSD，Single Shot MultiBox Detector，这篇文章已经出第四版了，发表在ECCV16上的oral，下载地址：http://arxiv.org/abs/1512.02325。11月份出的最新版，看了一下，最新版的实验结果仍然是基于VGG16，根据之前我和作者邮件联系的结果，以及我自己的测试结果，估计在别的模型上结果并没有得到提升吧，这点和上面的工作一致，这个也说明，SSD的调优感觉不容易，按照道理来说，inception v4,v3和resnet101,resnet152的检测结果应该比VGG16好不少的啊。看了作者公开的代码，现在已经可以处理视频数据了，作者也公开了在007上的检测结果，效果看着很酷奥。

第三篇就是rfcn，是微软的工作。R-FCN: Object Detection via Region-based Fully Convolutional Networks，下载地址：https://arxiv.org/abs/1605.06409。他们这两年的工作做得很不错，需要系统学习一下再来说。