后续会慢慢补充
1、Faster R-CNN：他会花费更多的时间在检测方面，但是在小的项目中可以得到更为精确的结果。
2、False Positive”通常指假阳性，就是把一个健康人诊断为病人。
3、敏感度（sensitivity）：又称真阳性率，即患者被诊断为阳性的概率，计算公式是：真阳性／（真阳性＋假阴性）×100％，此值越大，说明诊断试验越灵敏。
3、特异度（specificity）：又称真阴性率，即实际上未患病的人被诊断为阴性的概率，计算公式是：真阴性／（真阴性＋假阳性）×100％，此值越大，说明诊断试验越精确。
4、Skull-RCNN:是将头骨形态和深度卷积网络融合在一起进行精确的头骨骨折检测。
5、ROI Align很好地解决了ROI Pooling操作中两次量化造成的区域不匹配(mis-alignment)的问题。ROI Align的思路很简单：取消量化操作，使用双线性内插的方法获得坐标为浮点数的像素点上的图像数值,从而将整个特征聚集过程转化为一个连续的操作。
6、FPN（Feature Pyramid Networks）解决什么问题？
答：答： 在以往的faster rcnn进行目标检测时，无论是rpn还是fast rcnn，roi 都作用在最后一层，这在大目标的检测没有问题，但是对于小目标的检测就有些问题。因为对于小目标来说，当进行卷积池化到最后一层，实际上语义信息已经没有了，因为我们都知道对于一个roi映射到某个feature map的方法就是将底层坐标直接除以stride,显然越后，映射过去后就越小，甚至可能就没有了。 所以为了解决多尺度检测的问题，引入了特征金字塔网络。
7、特征金字塔是多尺度目标检测系统中的一个基本组成部分
8、SURF (Speeded Up Robust Features, 加速稳健特征) 是一个稳健的图像识别和描述算法，首先于2006年发表在ECCV大会上。这个算法可被用于计算机视觉任务，如物件识别和3D重构。
9、SURF使用海森矩阵的行列式值作特征点侦测并用积分图加速运算；SURF 的描述子基于 2D 离散小波变换 响应并且有效地利用了积分图。