详述目标检测最常用的三个模型：Faster R-CNN、SSD和YOLO

yolov3论文及翻译

目标检测最新总结与前沿展望

You Only Look Once: Unified, Real-Time Object Detection（翻译）

卷积神经网络入门：卷积、池化与激活函数

5、主要困难

參考 https://zhuanlan.zhihu.com/p/36734511

• 小行人难以识别：一般行人高度像素小于图像分辨率的十分之一，原图还需压缩至输入图像的大小，使得行人更小，检测率下降较大

• 遮挡行人难以识别：遮挡35%以上，检测率下降较大

• 非正常姿态行人难以识别：弯腰的，蹲着的，坐着的，躺着的

• 假行人容易误检：如人形建筑、人物照片、人物海报和人物广告等

• 晚上行人难以识别：晚上图像一般为灰度图，光线较暗，加了红外补光，主要是训练样本较少，导致检测率不高

• 密集行人难以识别：多个行人之间相互遮挡，挨的很紧，难以一个个单独识别区分

• 解决方法：

◦ 从模型方面：如修改loss函数，网络结构，增加常识信息等

◦ 从数据方面：增加相应的训练数据，但应当考虑训练样本的概率分布与实际应用场景一致

6 yolo论文阅读总结

fasterRCNN阅读总结