网络对比分析2021-03-07

1，Yolo

参考：论文解析，论文阅读：You Only Look Once: Unified, Real-Time Object Detection_chenxp2311的博客-CSDN博客

CNN详解，CNN(卷积神经网络)详解_nwnlp的博客-CSDN博客_cnn网络

其实是一个CNN，包括特征提取三剑客和分类全连接，一阶段指输入为整个图像，输出为定位和分类结果，速度快

泛华能力强，背景错误少，新域，全局

map高

但不适合小目标，且很多个目标集中

定位错误多

注意：CNN包括局部感受野、权值共享和池化这三部分

全连接作用是分类

2、RCNN系列

参考：大话目标检测经典模型（RCNN、Fast RCNN、Faster RCNN）， 大话目标检测经典模型（RCNN、Fast RCNN、Faster RCNN） - 雪饼的个人空间 - OSCHINA - 中文开源技术交流社区

faster RCNN包括滑动窗口方式RPN和CNN两个网络，CNN将特征提取，分类和定位一块出来。最后用到NMS算法。

RPN是为定位做准备，将定位的回归问题转化为分类问题，则都可经CNN同一方式一并处理。

RPN是候选框的一种方式，取代了fast RCNN以及之前的选择性搜索生成候选框的方式。

亮点是RPN。

Yolo和RCNN系列比较更简洁，简单把图像划分，把候选框部分去掉。

3，SSD

参考：SSD网络结构，SSD网络原理解析_追逐AI的蜗牛的博客-CSDN博客_ssd网络

包括VGG和FPN特征提取、无全连接，Anchor，再分类和定位用到卷积，最后NMS。

亮点是Anchor和FPN。

4、迁移学习适合小量数据