DAY-2 目标检测的多尺度检测

DAY-2 目标检测的多尺度检测

原文连接：https://bbs.cvmart.net/articles/125

• YOLOV1

  每层使用同样大小的卷积窗口, 识别超大或超小物体就变得无能为力（最后一层的输出特征图是固定7*7）

• SSD

  最后一层的检测是由之前多个尺度（Multi-Scale）的特征图共同生成的，在多尺度物体的检测上有所提高，但最后几层的所谓“多尺度”是有限的，特征图尺寸越小，可识别的物体越大，对极小目标识别无能为力

• FPN（特征金字塔网络）

  从顶层（自上而下）的每一层都进行上采样获取更准确的像素位置信息，但计算量增多

• SNIPER

  对每个尺度大类下都维护一个重点关注区域（region），还在重点关注区域中加入了重点排除区域，因为在许多背景中，许多目标是无须识别的。与FPN不同的是，SNIPER不再需要处理每一层特征图的像素进行上采样，计算量下降了不少。对于较简单图像，SNIPER理论上应该允许退化到类似yolo的one shot模型（通过维护的重点关注区域）。在实现上，SNIPER在RPN网络和Faster-RCNN中都用到了重点关注区域。