深度学习目标检测

深度学习就是一个参数估计问题。
怎么选择每层的激活函数、怎么初始化权重矩阵、怎么选择损失函数、怎么确定最小化的目标函数（就是损失函数）
如何选择分类器，如何选择正则化项
生成模型 P?X” 和判别模型 P?YjX”

将传统的检测方法中的多步骤，网络化。合并成得到端到端的一个网络
把人工设计的特征自动学习出来。就算手动设计特征，也是需要反复调试的，深度学习的学习过程其实就相当于调试过程

中层次特征是根据底层特征(手工设计的特征)进行学习后得到的更鲁棒的高级特征
高层次的特征就是有语义信息的特征
目标检测中主要用得到是低层次和中层次的特征

two-stage:
回归是为了得到矩形框的位置，分类是为了得到类别
rpn网络就是滑动窗口， 覆盖面积 (完成区域的筛选和推荐)
ROI完成抠图(得到相应的 feature map)和resize（将特征图固定到固定大小）的操作

one-stage:
不包括rpn网络，速度更快，但精度相对低
有一个回归网络，cnn得到的特征图作为回归网络的输入
回归网络是最重要的一个组件，就是得到那个框的
anchor机制：经过主干网络卷积之后得到的特征图中的每个点都是一个anchor
yolo1没有anchor机制，是对整张图片分成很多小格子，对每个格子就行回归
yolo将坐标位置(检测框)及执行度 和 类别概率送入 NMS 中进行融合得到最后的输出
直接回归得到检测框的位置和类别
VGG是卷积神经网络的一种

这页ppt中第一个图，其实训练样本就是这样，有一个框

训练时：
prior box 是在原图像上的检测框
根据和样本匹配后得到的分数IOU分成正样本和负样本，中间段分数不参与计算损失函数

两个步骤进行正样本提取。

得到损失函数：


右边那个是：prior box层 下面是回归和分类层 最后是lose层

prior box层的输出作为后续lose层的计算

改进：



相加后得到后续的prior box层的输入，会得到更多的上下文的信息

预训练模型，得到模型的初始化参数

对主干网络进行改进：

改进：就是增加更复杂的连接方式

不同尺度可以通过pooling和反卷积得到相同的尺度(上采样)