基于深度学习的目标检测算法对比分析（RCNN、SPP、YOLO、SSD、FPN、RetinaNet）

目录

(1) RCNN与SPP的比较

(2) RCNN → Fast RCNN → Faster RCNN

(3) YOLO与RCNN类方法比较

(4) YOLO与SSD的比较

(5) YOLO v1 → YOLO v2 → YOLO v3

(6) FPN、RetinaNet、Mask R-CNN、YOLOv3

FPN（2017_CVPR）

RetinaNet(2017_ICCV)

Mask R-CNN(2017_ICCV)

YOLOv3

---

(1) RCNN与SPP的比较

• SPP-net提出了SPP层（空间金字塔池化层，Spatial Pyramid Pooling），使得输入的候选框可大可小，解决了R-CNN区域候选时crop/warp（裁剪和放缩）带来的偏差问题

  • 卷积网络对尺寸并没有要求，固定尺寸的要求完全来源于全连接层部分，借助空间金字塔池化的方法来衔接两者（卷积层和全连接层）

  • 如：3种池化视图，分别是{4∗4，2∗2，1∗1}，最后不管候选框大小如何，输出的特征数都一样

• 但其他方面依然和R-CNN一样，因而依然存在不少问题，这就有了后面的Fast R-CNN

(2) RCNN → Fast RCNN → Faster RCNN

• RCNN：区域候选（选择性搜索）、特征提取（卷积网络）、分类（SVM）、位置精修（回归方法）

        位置回归：学习目标框相对于真实框的平移参数和缩放参数

       (1) 先得到候选区域，再对每个候选区域提取特征 （与传统方法相比，用选择性搜索而非滑动窗的穷举法）

        缺点：重复计算（几千个候选区域存在重叠）、训练的空间和时间代价很高、慢

• • 1. 训练分多个阶段

  • 2. 每个proposal都要计算convNet特征，并保存在硬盘上。

• Fast R-CNN：区域候选（选择性搜索）、特征提取+分类+位置精修（神经网络）

  • 先得到整幅特征图，在对候选区域进行处理，减少重复计算 （候选区域仍由之前的方法得到，故速度还是很慢）

  • 把多个任务的损失函数写到一起，分类与位置精修同时执行（用统一的全连接层），节省了时间，并与特征提取一起融合到一个网络里面，无需像RCNN那样中间存储特征供后续SVM使用，节省空间

  • 用到了SPP的思想（ROI pooling层），无需像R-CNN那样对ROI区域放缩，可以一定程度上提升准确率

• Faster R-CNN：区域候选+特征提取+分类+位置精修（神经网络）

  • 提出了RPN（区域候选网络），代替选择性搜索生成候选区域，将四个步骤融合到一个网络里面

    • 这里生成的候选区域即滑动窗口的卷积实现，虽然候选区域算一种穷举，但是是并行生成的，而非传统方法中的串行进行，且共享了特征提取时的很多计算，故速度还是有很大提升。通过共享卷积，RPN在测试时的速度约为10ms，相比于selective search的秒级简直可以忽略不计。

    • RPN的作用：RPN在卷积层后增加滑动窗口操作以及两个卷积层完成区域候选功能，第一个卷积层将特征图每个滑窗位置编码成一个特征向量，第二个卷积层对应每个滑窗位置输出k个区域得分和k个回归后的区域候选，并对得分区域进行非极大值抑制后输出得分Top-N【文中为300】区域，告诉检测网络应该注意哪些区域

  • 提出了anchor box的概念，有参考，学习更准确

    • 一个滑动窗对应多个anchor box（原文用了三种尺度，