目標檢測是近年來理論和應用的研究熱點，它是圖像處理和計算機視覺學科的重要分支，也是智能監控系統的核心部分，同時目標檢測也是泛身份識別領域的一個基礎性算法，對后續的人臉識別、步態識別、人群計數、實例分割等任務起著至關重要的作用。

在深度學習浪潮到來之前，目標檢測精度的進步十分緩慢，靠傳統依靠手工特征的方法來提高精度已是相當困難的事，而在卷積神經網絡（CNN）出現之后，其所展現的強大性能，吸引著學者們將CNN遷移到了其他的任務，也包括著目標檢測任務。 目標檢測這一基本任務仍然是非常具有挑戰性的課題，存在很大的提升潛力和空間。從RCNN到Fast RCNN，再到Faster RCNN，一直都有效率上的提升，那么如何深入了解目標檢測，掌握模型框架的基本操作？

那么，基于CNN最經典也是最流行的應用應當是圖像處理領域。而研讀卷積神經網絡的經典論文，對于學習和研究卷積神經網絡必不可缺。

責任編輯：lq