深度目标检测的发展

目标检测的发展阶段：

1. 检测网络的出现和端到端；
2. one-stage模型的出现及two-stage模型的优化；
3. anchor-based模型的优化与改良
4. anchor-free时代

目标检测模型的种类：

• two-stage anchor-based detector
• one-stage anchor-based detector
• anchor-free detector（可细分为keypoint-based和center-based）

目标检测通用框架：

• Input：{Image，patches，Image Pyramid}
• Backbone：{VGG，ResNet，ResNeXt，Darknet}
• Neck：{FPN，PANet，BiFPN}
• Head：Dense Prediction：{RPN，YOLO，SSD，RetinaNet}；Sparse Prediction：{Faster R-CNN，R-FCN}

目标检测的几个重要的出发点

1. 如何设计更好的特征提取网络？提取何种特征？如何利用这些特征？
2. 如何设计更好的损失函数？何种分类损失？何种定位损失？如何结合这两种损失？
3. 正负样本定义问题（相比分类和分割，目标检测中正负样本的定义尤为重要）
4. 目标尺度变化问题
5. 目标检测框架是由多个部件组成（preprocessing+backbone+neck+head+postprocessing），如何处理各个部件之间连接关系和紧密程度。
6. 如何更好的实现准确度与速度的平衡问题

目标检测中的label assignment：https://blog.csdn.net/weixin_41560402/article/details/109646868

目标检测中的NMS：https://blog.csdn.net/weixin_41560402/article/details/109540517

目标检测中的多尺度特征：https://blog.csdn.net/weixin_41560402/article/details/109540128