目标检测基础介绍-----（4）One-stage的目标检测算法综述和One-stage与Two-stage的比较（笔记）

已于 2022-02-17 11:00:48 修改
阅读量8.3k 收藏 29
点赞数 4
分类专栏： 深度学习 文章标签： One-stage One-stage与Two-stage比较 目标检测基础
于 2019-05-29 15:46:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43211132/article/details/90665463
版权
本文介绍了One-stage目标检测算法的优势和基本原理，包括Yolo、SSD和Retina-Net等，强调其速度快但精度相对较低。One-stage算法不使用region proposal，直接通过CNN回归物体类别和位置。对比Two-stage，One-stage如Yolo直接预测每个网格的bounding boxes和类别概率，但在小物体检测和准确性上可能不足。
摘要由CSDN通过智能技术生成

One-stage基本介绍

  • 使用CNN卷积特征
  • 直接回归物体的类别概率和位置坐标值（无region proposal）
  • 准确度低，速度相对two-stage快

基本流程
在这里插入图片描述
one-stage常见算法：

  • Yolov1/v2/v3
  • SSD/DSSD等
  • Retina-Net
  • 等等
    在这里插入图片描述

One-stage核心组件

  • CNN网络
  • 回归网络

CNN网络设计原则

  • 从简到繁再到简的卷积神经网
  • 多尺度特征融合网络
  • 更轻量级的CNN网络

回归网络

  • 回归区域（置信度、位置、类别）
  • Anchor机制（SSD）
    在这里插入图片描述
    红色小框中有目标区域置信度会更高。其他小框的置信度会低。
    Anchor：找到不同的推荐
最低0.47元/天 解锁文章
奔跑的小仙女
关注
专栏目录
【AI面试】目标检测中one-stage、two-stage算法的内容和优缺点对比汇总
钱多多先森
04-30 9510
目标检测算法one stage和two stage的对比
One-stage目标检测最强算法 ExtremeNet源码
02-18
目前(2019-01-26) one-stage目标检测中最强算法：ExtremeNet。
常见目标检测算法
weixin_56764022的博客
10-17 1798
简介了目前为止的流行的目标检测算法，包括one-stage，two-stage，anhcor-free目标检测模型。
【读点论文】Object Detection in 20 Years: A Survey，宏观了解大方向发展，常看常新，这篇越看到后面越泛
白水空空
07-31 808
在过去的 20 年中，目标检测取得了令人瞩目的成就。本文广泛回顾了 20 年历史中的一些里程碑式检测器、关键技术、加速方法、数据集和指标。一多参考和多分辨率检测现在已成为最先进的物体检测系统中的两个基本组成部分。2）Context Priming 的技术演进：视觉对象通常嵌入到与周围环境相关的典型情境中。我们的大脑利用物体和环境之间的关联来促进视觉感知和认知。Context Priming 长期以来一直用于改进检测。图 6 展示了物体检测中 Context Priming 的演进。物体检测中情境启动的演变。
2.在目标检测算法中，two stage的算法比one stage在检测小物体上更有效，此说法你同意么，为什么？（）
01-06
基本同意。要说明这个问题主要从感受野的角度去看，one stage的方法，对于SSD,其采取多个特征图进行分类，但由于依赖网络中比较深的层（特征层），感受野很大，因而小物体检测不准确。同样，对于YOLO，由于在方法设计中就把原图分块，即设定了最后用于判断的特征图尺寸，其感受野也很大，因而对小物体判断也不准确。相对于one stage方法要求同时分离前景和背景以及做出分类，two stage 的方法由于proposal的存在可以先用简单的结构分出前景和背景（此时感受野小，特征图分辨率高），再通过深层网络做进一步分类和精修，提高准确度。One stage的方法也有针对这个问题进行过优化，SSD增加
one-stage和two-stage网络的区别
石湖一叶
11-05 1814
One-stage网络以yolo系列网络为代表的,two-stage网络以faster-rcnn为代表的， 它们的主要区别 1.one-stage网络速度要快很多 2.one-stage网络的准确性要比two-stage网络要低 为什么one-stage网络速度要快很多？ 首先来看第一点这个好理解，one-stage网络生成的ancor框只是一个逻辑结构，或者只是一个数据块，只需要对这个数据块进行分类和回归就可以，不会像two-stage网络那样，生成的 ancor框会映射到feature map的
目标检测之one-stage和two-stage网络的区别
xue_csdn的博客
11-04 2382
One-stage网络以yolo系列网络为代表,two-stage网络以faster-rcnn为代表 它们的主要区别 1.one-stage网络速度要快很多 2.one-stage网络的准确性要比two-stage网络要低 为什么one-stage网络速度要快很多？ 首先来看第一点这个好理解，one-stage网络生成的anchor框只是一个逻辑结构，或者只是一个数据块，只需要对这个数据块...
One-stage理解（与Two-stage的区别）
热门推荐
p1048052071的博客
03-21 1万+
one-stage目标检测算法（也称one-shot object detectors），其特点是一步到位，速度相对较快。另外一类目标检测算法是two-stage的，如Faster R-CNN算法先生成候选框 （region proposals，可能包含物体的区域），然后再对每个候选框进行分类（也会修正位置）。这类算法相对就慢，因为它需要多次运行检测和分类流程。而one-stage检测方法，仅仅...
目标检测算法主要包括：两类two-stage和one-stage
09-05
常见的One-stage算法包括YOLO系列（YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等）、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例，YOLO将目标检测视为回归问题，将输入图像一次性划分为多个区域，直接在输出层...
目标检测算法基础介绍----（3）Two-stage介绍（笔记）
奔跑的小仙女
05-21 1593
基于Two-stage的目标检测算法综述 主要是通过完整的卷积神经网络来完成目标检测的过程。 CNN卷积特征 R-CNN到faster RCNN 端到端的目标检测（RPN网络） 精确度高、速度相对One-stage慢 基本流程： 输入图片------对图片进行深度特征的提取（主干神经网络）------RPN网络完成滑动窗口所完成的任务，也就是产生候选区域，完成候选区域分类（背景和目标）对目标...
Faster-Rcnn：Two-Stage目标检测模型在Keras当中的实现.zip
最新发布
09-06
目前主流的基于深度学习的目标检测算法主要分为两类：Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段，主要用于生成潜在的目标候选框（Bounding-box ...
one stage 与 two stage 对比
weixin_39568744的博客
07-01 1954
One stage VS Two stage one stage: 优点 速度快 避免背景错误，产生false positives,也就是说误检率很低 能够学到物体的泛化特征 缺点 精度低（定位、检出率） 小物体的检测效果不好 two stage: 优点 精度高（定位、检出率） Anchor机制 共享计算量 缺点 速度慢 训练时间长 误报高 ...
目标检测One-stage和Two-stage的区别
AdjsWsgz的博客
11-30 3431
目标检测One-stage和Two-stage的区别
One-Stage与Two-Stage的比较
qq_16009377的博客
04-19 4218
这里写目录标题简介优缺点主要算法 简介 在基于深度学习算法的目标检测算法主要分两类：One-Stage与Two-Stage。One-Stage与Two-Stage是两种不同的思路，其各有各的优缺点。 One-Stage     主要思路：直接通过卷积神经网络提取特征，预测目标的分类与定位； Two-Stage     主要思路：先进行区域生成，即生成候选区域（Region Proposal），在通过卷积神经网络预测目标的分类与定位；      优缺点 优缺点 One-Stage Two-Stag
目标检测算法对比_One-stage目标检测算法综述
weixin_39737831的博客
11-22 556
yolo-v1:YOLO 就是使用回归这种做法的典型算法。首先将图片 Resize 到固定尺寸，然后通过一套卷积神经网络，最后接上 FC 直接输出结果，这就他们整个网络的基本结构。更具体地做法，是将输入图片划分成一个 SxS 的网格，每个网格负责检测网格里面的物体是啥，并输出 Bbox Info 和 置信度。这里的置信度指的是 该网格内含有什么物体 和 预测这个物体的准确度。更具体的是如下定义：我...
One-Stage与Two-Stage区别
gz7seven
10-09 1万+
    在基于深度学习算法的目标检测算法主要分两类：One-Stage与Two-Stage。One-Stage与Two-Stage是两种不同的思路，其各有各的优缺点，本文做一个简单的讲述。 1、思路简述 One-Stage     主要思路：直接通过卷积神经网络提取特征，预测目标的分类与定位； Two-Stage     主要思路：先进行区域生成，即生成候选区域（Region Proposal），在通过卷积神经网络预测目标的分类与定位； 2、优缺点 优缺点 One-Stage Two-Stage
one-stage方法和two-stage方法的区别
blink_cao的博客
06-24 549
One stage approach: 在图像上滑动复杂排列的可能bbox（即锚点）,然后直接对框进行分类，而不会利用到物体内部特征，无法感知内部信息。 Two stage approach:对每个潜在框会重新计算图像特征，然后将那些特征进行分类。 ...
深度学习——目标检测常用算法实战(三)：基于one-stage的目标检测算法综述 & 与two stage比较
计算机视觉
07-04 794
b站(10，11， 12):https://www.bilibili.com/video/av57436842/?p=10 1 one-stage 简介 1 特点： 直接回归，无RPN过程 2 缺点： 精度差 3 特点：少了RPN,候选区域目标推荐 分类，回归 4 主流算法 yolo, ssd, retina 2 核心组件 1 CNN网络 得...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值