PyTorch物体检测（十）

物体检测的未来发展

物体检测的发展始终围绕着精度和速度这两个指标，新提出的算法要么在检测的精度上有了新的突破，要么大幅度提升了检测的速度。
然而，在当前的物体检测大框架下，精度与速度往往不可兼得，精度的提升往往伴随着计算量的增加。速度的提升往往会有精度的牺牲。

4种常见的算法需求场景：
1.速度需求：自动驾驶等场景下，通常需要对图像处理达到非常低的时延才能保证足够的安全，这时检测器需要达到实时性；而在机械臂自动分拣等系统中，速度并不是第一考虑因素；
2.召回率：在交通流量统计系统中，首先需要保障的指标是车辆、行人等物体的召回率，这会直接影响流量统计，相比之下，检测的边框精准度是次要的指标；
3.边框精准度：在智能检测、机械臂自动分拣等应用中，检测边框的精准度直接影响系统的成功率，因此需要选择边框精准度更高的网络，这是首要因素；
4.移动端：当前，移动端的检测算法需求越来越高，这对于模型的移动部署、轻量化提出了更高的需求。