各种目标检测网络

R-CNN -2014 -two stage

• 候选区域生成： 一张图像生成1K~2K个候选区域 （采用Selective Search 方法）
• 特征提取： 对每个候选区域，使用深度卷积网络提取特征 （CNN）
• 类别判断： 特征送入每一类的SVM 分类器，判别是否属于该类
• 位置精修： 使用回归器精细修正候选框位置
• 缺点：
  RoI（Region Proposal/Region of Interest）的获取太麻烦（选择性搜索Selective Search）且正确率感人。
  RoI的特征提取太耗时（先切图片，然后CNN提特征，导致数据无法共享），且中间涉及大量的硬盘读写，数据要在硬盘，内存，现存三者之间来回倒腾。
• Fast R-CNN把问题解决了一半（第二个问题），第一个问题还得看Faster RCNN。

Fast R-CNN -two stage

• R-CNN的主要性能瓶颈在于需要对每个提议区域独立抽取特征。，由于这些区域通常有大量重叠，独立的特征抽取会导致大量的重复计算。Fast R-CNN对R-CNN的一个主要改进在于只对整个图像做卷积神经网络的前向计算。
• 与R-CNN相比，Fast R-CNN用来提取特征的卷积神经网络的输入是整个图像，而不是各个提议区域。而且，由于用于提取特征得网络参数可以通过训练更新。
• 它的主要计算步骤如下。

1. 提取特征：提取特征的卷积神经网络的输入是整个图像，而不是各个提议区域。
2. RoI与Roi pooling：兴趣区域池化（region of interest pooling，RoI池化）层，将卷积神经网络的输出和提议区域作为输入，输出连结后的各个提议区域抽取的特征
3. 预测

Faster R-CNN -2016 -two stage

• 引入anchor机制
• 在结构上，Faster RCNN已经将特征抽取(feature extraction)，proposal提取，bounding box regression(rect refine)，classification都整合在了一个网络中，使得综合性能有较大提高，在检测速度方面尤为明显。
• 4个内容：

1. Conv layers。作为一种CNN网络目标检测方法，Faster RCNN首先使用一组基础的conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后续RPN层和全连接层。
2. Region Proposal Networks。RPN网络用于生成region proposals。该层通过softmax判断anchors属于positive或者negative，再利用bounding box regression修正anchors获得精确的proposals。
3. Roi Pooling。该层收集输入的feature maps和proposals，综合这些信息后提取proposal feature maps，送入后续全连接层判定目标类别。
4. Classification。利用proposal feature maps计算proposal的类别，同时再次bounding box regression获得检测框最终的精确位置。

YOLOv1 -2015 -one stage

• 仿照GoogLeNet搭建的，但并没有采用Inception模块，而是使用 [公式] 和 [公式] 卷积层来堆砌的，所以网络的结构是非常简单的
• YOLO v1还未采用先验框anchor,而是直接回归目标位置
• YOLO v1直接预测x,y,w,h，范围比较大，现在我们想预测一个稍微小一点的值，来增加准确度。

YOLOv2 -one stage

• backbone:
  

YOLO v1存在的问题：

• 预测的框不准确：准确度不足。
• 很多目标找不到：recall不足。
• 检测头的改进：引入anchor
• anchor 是从数据集中聚类得到的，Faster-RCNN中的Anchor的宽高和大小是手动挑选的

YOLOv3 -one stage

• 解决小目标检测问题
  

• 看YOLO v3检测头分叉
  

YOLOv4 -one stage

• Using multi-anchors for single ground truth：YOLO v3是1个anchor负责一个GT，YOLO v4中用多个anchor去负责一个GT，缓解了正负样本不均衡的问题。
• Eliminate_grid sensitivity：解决anchor边界的位置是取不到的问题
• CIoU-loss：

2.

3.

4.

• 演化过程：

• IOU损失函数对比

YOLOv5 -one stage

• 自适应anchor：自适应anchor利用网络的学习功能，让
  

也是可以学习的。

SSD- one stage -2016

• SSD提取了不同尺度的特征图来做检测，大尺度特征图（较靠前的特征图）可以用来检测小物体，而小尺度特征图（较靠后的特征图）用来检测大物体。
• SSD采用了不同尺度和长宽比的先验框（Prior boxes, Default boxes，在Faster R-CNN中叫做锚，Anchors）
• 与Yolo最后采用全连接层不同，SSD直接采用卷积对不同的特征图来进行提取检测结果。
• SSD采用VGG16作为基础模型，然后在VGG16的基础上新增了卷积层来获得更多的特征图以用于检测。