【目标检测】One-stage目标检测算法

参考（写的非常清晰） https://zhuanlan.zhihu.com/p/61485202

本文主要以yolov3和SSD为主，分析One-stage目标检测算法。(文中说的yolo普遍指yolo-v2或yolo-v3)
 

1. One-stage目标检测算法流程

输入：VOC数据集的一张图片（20个类别），输入尺寸设置为416×416，（SSD是300×300）
输出：一个特征图，对于416×416的输入，最后的输出为13×13×125（降采样了32倍，416/32=13）

【Attention】一般来说，如果数据集有c类，而模型有k个检测器(k是特征图上每个位置anchor的数量)，那么网格需要有k×（4+1+c）个输出通道。

最后得到的13×13特征图可以看成是13×13个单元格，每个单元格都有5个独立的物体检测器（anchor=5），每个检测器都预测一个边界框。
关键点：检测器的位置是固定的，它只能检测中心点落在该单元内的物体（这一限制是为了保证检测器不发生混乱，所以加以约束）。每个检测器产生25个值：

• 20个值表征类别概率（使用softmax可以获取该检测器中目标所属的类别，也可以使用sigmoid进行多标签分类）
• 1个值表示置信度（表明该检测器包含目标的可能性，介于0-1之间）
• 4个值表示边界框坐标（中心x，中心y，宽度w，高度h）
  由于每个单元格都有5个检测器，因此共有5×25=125个输出通道。

该模型总是预测固定数量的边界框：13×13个单元乘以5个检测器给出845个预测结果。显然，绝大多数这些预测都不会有用，毕竟大多数图像最多只包含少量物体，可以通过置信度来忽略掉一些预测框，使用NMS可以去除重叠框。

为什么要对检测器实施约束？

为了让模型更容易学习，将每个检测器分配到图像中的固定位置去学习，每个检测器只负责学习附近的物体，而不会预测较远的问题，是onet-stage目标检测算法的技巧。（如果没有这样的约束，所有检测器都会在整张图中去预测，很容易出现混乱）

 

2. anchor是什么,有什么用?

上面的分析可知，网格的划分对检测框的位置进行了约束，那么，是否可以对检测框的形状也进行约束呢？答案是肯定的。这就是anchor的任务。