R-CNN Fast R-CNN Faster R-CNN YOLOv3 SSD

R-CNN：region convolutional neural network

将一张完整图片分成若干区块，依次喂给CNN网络，得出分类结果，和回归坐标(x,y,w,h)。
1、R-CNN产生边界框坐标以减少定位误差;所以一个区域输入，它的输出可能不完美地围绕给定的对象，输出坐标（x，y，w，h）旨在完美地定位给定区域中的对象。
2、R-CNN没有明确地产生表示对象是否在区域中的置信度得分，而是巧妙地产生一组类别得分，其中一个类是“背景”。这最终起到了类似的作用，例如，如果一个区域的类得分是Pbackground = 0.10，它可能包含一个对象，但如果它的Pbackground = 0.90，那么该区域可能不包含一个对象。

Fast R-CNN

CNN ：事先训练出一个可以提取特征图的模型
RoI ：将一张完整图片通过CNN投影到较小的特征图中，特征图中的每一层对应于原始图像中的较大区域，最后依次进行全连接获得分类结果，通过NMS和IoU去筛选出结果。

RoI Pooling：添加max poolling 可以让模型适应不同尺寸图片的输入

Faster R-CNN

Faster：在RoI获得之后列进行快速二进制分类
对于每个ROI，它检查该区域是否包含对象。接着和fast R-CNN一致

YOLO v3：You only look once

1，每个anchor定义了多分类，上边的网络都是二分类的叠加
2，把一整图片划为NxM个gridcell，假若每个区块的有a个anchor且为b分类，并标出所有对应的groundtruth为n*m（a*（b+1+4））喂入网络进行训练
3，预测：先进行NMS，使用所有anchor中Pc最大的anchor作为参考，并和它进行IoU运算，大于某个值需剔除，剩余的再选出最大Pc的anchor做参考循环剔除（anchor 是指grid cell对应的所有anchor，它们之间不需对比，可直接保留）

IoU(Intersection over Union)

NMS(Non-Maximal Suppression)

SSD：single shot multibox detector

新概念：default box，是指在feature map的每个小格(cell)上都有一系列固定大小的box，假设每个feature map cell有k个default box（对应卷积核），那么对于每个default box都需要预测c个类别score和4个offset，那么如果一个feature map的大小是m*n，也就是有m*n个feature map cell，那么这个feature map就一共有（c+1+4）*k*m*n个box（实际code是用k个3*3卷积核对该层feature map进行卷积，比如卷积核数量为c*k对应confidence输出，表示每个default box的confidence，就是类别；卷积核数量为4*k对应localization输出，表示每个default box的坐标，针对每一层会使用不同数量的卷积核）。作者的实验也表明default box的shape数量越多，效果越好。
default-box和YOLO中的anchor很像，在yolo中anchor只用在最后一个卷积层，但default-box是应用在多个不同层的feature map上，运作在VGG16上的SSD最终可以达到8732个box
SSD详解