目录
写在前面
问题描述
传统方法 VS 深度学习方法
发展现状
检测流程
检测框架(One-Stage & Two-Stage)
发展趋势（2019年底）
评价指标
IoU
mAP
mAP定义及相关概念
mAP计算步骤
参考代码（Detectron）
参考链接
FPS
常用数据集
PASCAL VOC
ImageNet
COCO
参考文章
写在前面
在秋招面试的过程中就能看出，当前大多数公司的视觉算法落地场景的主要还是Object Detection，这也是视觉领域目前最为成熟的领域。虽然检测的精度现在已经刷得很高，未来的研究价值仿佛不高，但掌握目标检测的前世今生和研究方法不仅能在工业界中产生实际价值，也能对Segmentation、Tracking、Video等领域未来的工业落地产生启发作用。之前也只是陆陆续续读过一些目标检测经典文章和方法，因此希望能通过阅读综述和整理之前的笔记，更好地加深记忆。
我的目标检测笔记分为四个部分，本文为第一部分：
（1）综述，包括传统方法与深度学习方法对比、发展现状、评价指标、数据集、检测流程与框架等；
（2）Anchor-Based经典模型分析，包括Two Stage模型Faster RCNN、 One Stage模型