目标检测算法对比_实时目标检测算法

首先说声抱歉，隔了这么久才第一次更新专栏(中间经历了DAC和CVPR的rebuttal，导致拖到了现在)。。

在此期间，也针对这个比赛尝试了一些目标检测算法并做了大量的优化，目前由于Jetson TX2开发板还没到，只能在1080Ti和CPU上进行测速，最终模型精度为0.83mIOU，模型参数量是2.33M，模型大小是9.7M，在1080Ti可以达到342.2fps，在CPU上可以达到30.5fps(去年第一名在Jetson TX2上达到24.55fps，精度为0.697mIOU)。。。言归正传，接下来的几期专栏会分别从实时目标检测算法，数据集分析和指标分析以及一些涨点黑科技进行分析。

场景需求：

给定一张图片，需要实时地识别出图片中的目标并确定其位置。这也是这个比赛比较有趣的地方，极少的目标检测比赛有实时性的要求，而这个需求是更加偏向产品的。通过这个需求分析，就可以快速帮助我们过滤掉一些目标检测算法。

粗筛：

目前目标检测算法可以分为两大派系，(1)Two stage: 以RCNN系为代表，这个派系的突出特点就是准，口号是“目标检测两步走，先找框再修框”。(2)One stage: 以Yolo系，SSD系以及Retinanet为代表，这个派系的突出特点就是快，口号是“目标检测一步走&#x