论文阅读:深度学习小目标检测算法综述

1、在深度学习出现之前，目标检测精度的提升非常缓慢，依靠传统手工特征的方法来提高精度已经非常困难。ImageNet分类大赛中卷积神经网络（CNN）—AlexNet展现出的强大性能，吸引了学者们将CNN应用到其他任务中，这也包括目标检测任务。近年来，出现了很多目标检测算法。

2、论文： Faster R-CNN： Towards Real-Time Object Detection with Region Proposal Networks 目标检测网络大多依靠 区域生成（region proposal）算法来假设目标的位置。 R-CNN 是采用 Selective Search 算法来提取（propose）可能的 RoIs（regions of interest） 区域，然后对每个提取区域采用标准 CNN 进行分类。

3、在深度学习浪潮到来之前，目标检测精度的进步十分缓慢，靠传统依靠手工特征的方法来提高精度已是相当困难的事。而ImageNet分类大赛出现的卷积神经网络（CNN）——AlexNet所展现的强大性能，吸引着学者们将CNN迁移到了其他的任务，这也包括着目标检测任务，近年来，出现了很多目标检测算法。

4、而在卷积神经网络出现之后，目标检测领域发生了翻天覆地的变化。最著名的目标检测系统有RCNN系列、YOLO和SSD，本文将介绍RCNN系列的开篇作RCNN。 RCNN系列的技术演进过程可参见 基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN 。

5、干货 | 目标检测入门指南深度学习驱动的目标检测领域，已经逐渐淘汰传统方法，成为主流算法。本文将带你逐步了解目标检测的基础知识和最新趋势，适合初学者建立基本认识。作者李家丞，作为格灵深瞳算法部实习生，分享了他的学习心得和实践经验。

...作为信号源,由激光器发射出的激光束来探测目标的距

1、国产部分手机有激光雷达，激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统。

2、脉冲激光测距原理是，用脉冲激光器向目标发射一列很窄的光脉冲（脉冲宽度小于50ns），光达到目标表面后部分被反射，通过测量光脉冲从发射到返回接收机的时间，可算出测距机与目标之间的距离。

3、向目标发射探测信号（激光束），然后将接收到的从目标反射回来的信号（目标回波）与发射信号进行比较，作适当处理后，就可获得目标的有关信息，如目标距离、方位、高度、速度、姿态、甚至形状等参数，从而对飞机、导弹等目标进行探测、跟踪和识别。

4、根据光学、声学和电磁波学原理设计的，用于距离测量的仪器。测距仪发射出的激光经被测量物体的反射后又被测距仪接收，测距仪同时记录激光往返的时间。光速和往返时间的乘积的一半，就是测距仪和被测量物体之间的距离。

5、不采用。激光半主动制导的工作原理是利用激光器发射激光，通过光学系统将激光束对准目标，同时接受目标反射回来的激光信号，通过测量激光信号往返的时间差来确定目标的距离和位置。这种制导方式需要精确控制激光束的指向和稳定度，以确保导弹的命中精度。