作为计算机视觉中的核心任务之一，在智能视频监控、自动化检测、工业检测等领域应用中目标检测发挥了巨大的作用。同时，随着深度学习的广泛应用，目标检测的精确度和效率都得到了较大的提升，但基于深度学习的目标检测仍面临着改进与优化关键技术的挑战。
在目标检测器中，Backbone是基本特征提取的重要组成部分，如SSD采用VGG，YOLO采用DarkNet，Faster R-CNN采用ResNet，检测器的性能在很大程度上取决于它。
但是，大多数目标检测器直接使用的Backbone往往不是最优的，这就引发了一些困惑：
· 如何在保证效果好的同时，选择性能更好的模型，降低成本和能耗；
· 如何确保目标检测器找到每个目标的位置和分类；
· 如何从发展的角度理解模型的设计思路；
· 如何理解CNN的模型落地准则和计算效率……
那么，如何才能正确的梳理模型和设计思路？如何学习实时目标检测的高效Backbone网络？理解兼具精度与效率优势的VoVNet呢？
