目标检测 Two Stage方法

Two Stage流程如下：

整体流程介绍：

1）.用主干网络（如vgg网络等），对原图片进行特征提取处理，对应流程图中的Input->Conv_Pooling以及图片中的conv layers立方体块（因为主干网络是多层的conv与Pooling层的结合），生成feature map特征图。

2）.通过RPN网络，对主干网络处理生成的feature map进行处理，对应conv->roi_pooling和conv->proposal->roi_pooling过程，在这里有些类似于传统算法中的滑窗遍历寻找物体检测框的步骤，运用了anchors的方法，在feature map上的点的不同尺度进行正负样本判断，然后将找到的物体检测框进行缩放，送到下一层进行类别判断。

3）.最后通过DNN全连接神经网络，对应fc->Lcls和fc->Lreg这一步，进行类别的判断和物体检测框的调整。

Two Stage相比于One Stage的优点是识别准确率高，但是速度会下降很多。最主要的区别在于RPN的使用，RPN提高了识别准确率，却付出了时间的代价。