目标检测state-of-the-art

实习做检测病灶，需要用到目标检测，先占坑，后面再去看论文，看看能不能应用到病灶检测中

===================分界线=============================================================

这篇推文里共有5篇，这个是目前最新推文，2019年2月4日15:52:18

=====================================

TridentNet：处理目标检测中尺度变化新思路

quote:可以说是现在(2019-01-30)目标检测最强算法

文章：https://mp.weixin.qq.com/s?__biz=MzUxNjcxMjQxNg==&mid=2247486955&idx=1&sn=79aa3ffc11887d86dd88ed47f3fd0917&chksm=f9a27f64ced5f6722ef8d0a318e25d26aa62cae8fc1b2c35e0b5206b916e44a6073b37f73a85&scene=21#wechat_redirect

代码：https://github.com/TuSimple/simpledet/tree/master/models/tridentnet

已经开源的话，先看这个，理解怎么做后再应用

========================================================

目标检测训练trick超级大礼包—不改模型提升精度，值得拥有(2月11日)

https://mp.weixin.qq.com/s/pkFcmm15gnuRJtngFX7f0w

代码论文地址

https://arxiv.org/abs/1902.04103v1

https://github.com/dmlc/gluon-cv

=============================================

.Guided Anchoring

论文地址：https://arxiv.org/abs/1901.03278

github地址：https://github.com/open-mmlab/mmdetection

微信推文：Guided Anchoring

好像说三四月再开源代码

 

https://mp.weixin.qq.com/s?__biz=MzUxNjcxMjQxNg==&mid=2247487078&idx=1&sn=d0bc2e296ff094a15964f1e7b60665b0&chksm=f9a27ce9ced5f5ff8ecce64e191f588db179e398fa83e1e8faa9eb0960eb996b634739df02b6&scene=0#rd

=========================================================================

引用好文：一文读懂Faster RCNN:https://zhuanlan.zhihu.com/p/31426458

原本的RPN：

RPN网络实际分为2条线，上面一条通过softmax分类anchors获得foreground和background（检测目标是foreground），下面一条用于计算对于anchors的bounding box regression偏移量，以获得精确的proposal。而最后的Proposal层则负责综合foreground anchors和bounding box regression偏移量获取proposals，同时剔除太小和超出边界的proposals。其实整个网络到了Proposal Layer这里，就完成了相当于目标定位的功能。

原本的anchor是：实际上就是一组由rpn/generate_anchors.py生成的矩形。任意输入图像reshape成800x600，代码中anchors的大小有九种；检测的时候用9种anchor以某一stride滑动，检测每一个滑窗是foreground还是background,

然而：anchor的大小是个超参，用物体检测设定的anchor用在病灶检测会影响速度、准确率，主要是准确率。

===================================================

 

============================================

SimpleDet

推文：https://mp.weixin.qq.com/s?__biz=MzUxNjcxMjQxNg==&mid=2247487003&idx=1&sn=19f427d6f3a1cafa5ca601fe2b033ccc&chksm=f9a27c94ced5f582cf5000396b3f5f5157310b757e9ef0456eef01ad51b758fc15f1bdf15d9e&scene=21#wechat_redirect

github:https://github.com/TuSimple/simpledet