one stage和two stage

仅供个人学习使用

1、two stage

rcnn系列都是两阶段模型，需要先在图片上生成一些候选框，然后再对候选框进行分类和框坐标的回归修正。

首先在图片上进行特征提取，之后进入候选框筛选，例如RPN网络，获得较为可能的候选框，然后映射到特征图上，对特征图上的bounding box进行分类和坐标回归。该方法正负样本较为均衡，因为已经RPN网络筛选过一遍了。

2、one stage

yolo，ssd系列都是一阶段模型，将图片划分为不同的部分，再通过设置先验框，例如在v5版本，设置3种划分大小的图片，然后每种上设置3个先验框，9种框。在每个框里进行分类与坐标回归。可使用focal loss解决正负样本过多的问题。