1 方法
目标检测主流的深度学习实现思路：
特征提取网络这一部分属于算法研究方面，如何让它特征提取更强大、分类更准确、速度更快，从网络结构、loss function、activation function等入手。
分类回归这一部分属于工程方面，用已有的优秀的神经网络算法，侧重于研究解决问题的框架，当然很多时候需要对已有的算法做些微调。
针对任务，如何设计网络？ 当面对实际任务时，如果目标是解决该任务而不是发明新算法，那么不要试图自己设计全新的网络结构，也不要试图从零复现现有的网络结构。找已经公开的实现和预训练模型进行微调。去掉最后一个全连接层和对应softmax，加上对应你任务的全连接层和softmax，再固定住前面的层，只训练你加的部分。如果你的训练数据比较多，那么可以多微调几层，甚至微调所有层。
2 模型框架
模型框架会在后序的学习过程中，根据个人的收获写出来
参考资料
[1]:目标检测（Object Detection）入门概要
[2]: