R-CNN系列算法的演进
R-CNN是第一篇把CNN用于目标检测的算法。在把CNN用于目标检测时，有两大问题需要解决，分别是利用深度网络定位目标和利用少量的标注数据训练高容量模型。
对于目标定位，若把定位问题当作回归问题来处理，有研究结果表明基于DNN方式的效果并不好；若采用滑动窗口的方式，探测器很难处理不同尺寸的对象。
因此，R-CNN没有利用CNN定位对象，只是利用CNN算法提取特征。该算法主要分为四步，分别是：
one-shot模仿学习
对于机器人学习新任务，更多的是希望它能够根据少量的演示就能完成任务。然而，模仿学习往往需要大量的数据和精细的特征工程。文献[1]中结合元学习与模仿学习形成了one-shot模仿学习，该算法把同一任务的一种演示和另一种不同初始状态演示的初始状态作为输入，预测该状态下动作，从而使模型只需根据新任务的一段演示就能完成任务的通用能力。