Faster R-CNN、Fast R-CNN、SSD、YOLO区别

R-CNN：

过程：

• 先用Selective Search提取候选框
• 然后将候选框强制到227*227
• 之后用AlexNet提取特征
• 最后将特征用SVM分类

优点：

• 相对于传统方法用HOG或者SITF提取特征，本文用CNN来提取特征

缺点：

• 两千多个候选框分别送入CNN提特征，时间消耗大
• 三个阶段分开训练，中间数据还要保存，空间消耗大

 

Fast R-CNN：

过程：

• 将整张图送入CNN提取特征图
• 用Selective Search提取候选框，并在映射到特征图上
• 借鉴SPP的思想，用ROI pooling将不同尺度的FM转换成固定尺度的特征
• 用FC做分类和回归

优点：

• 相对于R-CNN，用softmax取代SVM做分类，提出多任务loss
• 用ROI pooling将不同尺度的ROI得到固定尺度的输出

缺点：

• 用SS提取候选框耗时

 

Faster R-CNN

过程：

• 对整张图送入CNN提取FM
• 在FM上使用RPN，在每个像素点设置9个anchor，并用softmax筛选正负anchor
• 然后对筛选的anchor做回归分类

优点：

• 提出RPN网络和anchor机制，解决了SS的问题

缺点：

• Two-stage仍然无法达到实时

 

YoloV1：

优点：

• 相对于R-CNN使用候选框，yolo直接把目标检测看作是回归问题，在CNN里对整张图直接做回归和分类。
• 将CNN提取的FM划分为S*S个网格（7*7），每个网格预测B个bbox的位置（x、y、w、h）、置信度（confidence为交并比）、类别概率。

缺点：

• 输入尺度固定，不能处理多尺度输入
• 每个像素点预测两个box，检测目标过少
• 多次下采样特征损失
• 虽然速度快，但识别率不高

 

YoloV2：

• 检测类别数从20到9000
• 使用BN，避免梯度消失，加速收敛
• 用高分辨率图像训练分类网络
• 借鉴RPN的anchor boxes，有先验知识，预测更快
• 用k-mean聚类算法，让模型自动选择更合适的先验框长、宽
• 将预测的偏移量限制在一个网格范围内，模型更稳定
• 网格为每个bbox预测5个偏移量：tx,ty,tw,th,to
• 提出passthrough层，有利于小目标检测
• 多尺度输入图像进行训练

 

YoloV3：

• YOLO3采用了称之为Darknet-53的网络结构（含有53个卷积层），它借鉴了残差网络residual network的做法，在一些层之间设置了快捷链路
• 采用了3个不同尺度的特征图来进行对象检测
• 9种尺度的先验框

 

SSD：

• 在CNN中六层不同尺度的FM上生成anchor，然后将anchor结合做NMS

优点：

• 结合Yolo和Faster R-CNN更快更准，大尺度FM检测小目标，小尺度FM检测大目标

缺点：

• 对小目标检测仍然不好