Object Dection note

2阶段目标检测

物体检测（定位，找RP）+语义分割
常见模型：R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN和R-FCN
Mask R-CNN= Faster R-CNN + FCN

1阶段目标检测

常见模型

YOLO

SSD
分Cells，然后B个预测默认区域，然后不断的对区域进行微调。
用到了中间多层的卷积层输出。
预测速度还非常快，并且准确率比yolo高。

比2阶段快，但是准确度低，原因是类别不均衡情况，因为背景的类型数量远远的大于前景类别数量，这个不均衡导致了准确度降低。为了解决，提出了focal loss。
原理就是降低已经能够准确预测部分的在总共loss中的比重。

RetinaNet
FCOS
fully convolutional one-stage object detection，没有bounding box初始化，因此就不需要进行超参数设置