目标检测框架one stage和two stage

目前已提出的目标检测框架分为两类：One Stage和Two Stage，其中Two Stage框架先于One Stage被提出。下面我们分别介绍一下这两种框架，然后做一个比较。
One Stage
One Stage 的算法框架是在backbone提取得到的feature maps上直接预测物体的位置(x, y, w, h)，物体类别，物体置信度，经过单次检测即可得到最终的检测结果。常见的有SSD、Retina-Net以及YOLO系列等。
Two Stage
相比较于One Stage，Two Stage需要通过在图片上搜索，找到可能包含物体的Region Proposals，然后再对Region Proposals做进一步的分类和回归，得到最终的检测结果。常见的有RCNN、Fast RCNN、Faster RCNN以及Mask RCNN等。
One Stage VS Two Stage
One Stage是在牺牲了检测精度前提下提升了检测速度，因为One Stage会事先把图片网格化或者设置Anchor，对于图像网格化(参考YOLO v1)，物体中心落在那个网格中，该网格便负责检测该物体，或是与某物体的IOU最大的Anchor负责检测该物体，这样就产生了问题，当图像中物体较小而密的时候，会造成漏检。而Two Stage在提取Region Proposals的时候便对前景背景做了筛选，然后再进行分类和回归，效果自然比较好，但是也面临着正负样本失衡的问题，要结合难例挖掘确保网络更好地学习与收敛。现在落地应用的主流目标检测多为One Stage，因为实际应用的话，检测速度还是一项硬指标，要在Accuracy和Speed上做一个tradeoff，而且现在经过这几年的发展，One Stage通过引入FPN、Dense Predict等也达到了和Two Stage相媲美的精度。
总结
以上便是博主的个人理解，如有错误之处，还请指正，共同讨论，一起进步。