任务分类
- 通用目标检测
- 特定任务目标检测:
- 人脸检测
- 文本检测
- 航拍图检测
- 车辆/行人检测
骨干网络
- 高性能网络:
- Inception v1/v2/v3/v4
- VGG
- Resnet
- Inception Resnet
- DPN
- DenseNet
- 高效网络:
- NIN
- Darknet
- SqueezeNet
- ENet
- Xception
- ResNext
- MobileNet
- ShuffleNet
- 新增功能单元:
- Batch Norm
- STN
- FPN
- Deformable CNN
- SENet
检测框架
单级单尺度
- YOLO v1
- YOLO v2
二级单尺度
- SPP-Net
- Fast-RCNN
- Faster R-CNN
- R-FCN
- PVANET
单级多尺度
- SSD
- DDSD
- RON
- DSOD
二级多尺度
- ION
- SDP
- HyperNet
- MSCNN
- FPN
实例检测分割
- Mask-RCNN
- MaskLab
Loss优化
- OHEM
- Focal loss
可变形部件模型
- Deformable CNN
- DP-FCN
级联检测模型
- Cascade CNN
- CC-Net
- Cascade R-CNN
发展趋势
- 视频检测
- 半监督/无监督检测
- 3D目标检测
- 模型压缩(裁减,量化,教师网络)
- 5.
经验总结
1.大目标检测效果较差:增加降采样倍数,增大网络感受野,增加大anchor尺寸
2.小目标过滤会对模型检测效果有所提升
3.多尺度信息融合对目标检测效果会有提升