這是CVPR 2015的一篇 關於深度學習和目標檢測的文章，作者是MSRA的Shaoqing Ren， Kaiming He等。文章下載鏈接：http://yunpan.cn/cQS7v5ruHFKek 提取碼 179e
閱讀總結如下（思想重要，實驗暫略）：
1. 當前的目標檢測方法
- 總體框架是 feature extractor + object classifier。
- 傳統方法：HOG/SIFT/LBP + SVM/boosted/DPM 。
- 當前方法又細分爲三個流派。
- 第一種 fine-tuned ConvNet + MLP，以R-CNN爲代表。
- 第二種是想把deep ConvNet 和 traditional detector做一個結合。把傳統的 feature extractor 升級爲 pre-trained deep ConvNet，但是用傳統的分類器，即 pre-trained ConvNet +DPM/boosted, 稱爲Hybrid派。
- 第三種方法介於R-CNN和Hybrid之間，pre-trained ConvNet + fine-tuned MLP，以SPPnet爲代表。 從性能上來說，R-CNN還是佔統治地位，SPPnet和R-CNN接近，Hybrid方法一般要比前兩者差點。
2. 問題的提出
- 當前方法主流是 deep ConvNet (pre-trained 或者 fine-tuned ) + fine-tuned MLP。
- 問題：(1) 有沒有比 MLP 更好的 region classifier ？ (2) fine tuning 有多重要？
3. 方法：
- 先用一個fixed, pre-trained ConvNet對輸入的圖像得到卷積的 feature maps。
- 在得到的feature map上再訓練網絡做分類，該網絡作者稱爲NoCs ，即Network on Convolutional feature maps)。這裏就不侷限於MLP了，可以是各種網絡。
- 作者嘗試了三種網絡：各種深度的MLP， 各種深度的 ConvNet， ConvNet with maxout.這是回答問題(1)。
- 在訓練網絡時，每種網絡又分隨機初始化，和來自 pre-trained 兩種初始化策略，回答問題(2)。
4. 結論
- 在相同的網絡下，pre-training + fine-tuning work的最好。
- 精心設計的網絡獲得的性能提升要比 pre-training + fine-tuning 獲得的性能提升大，作者的三種網絡中，ConvNet with maxout 最好。
- HOG + NoC > HOG + DPM/boosted，說明NoC的發現具有可推廣性。
- R-CNN 比 Hybrid 效果好，主要是由於其classfier佔優勢。
