目标检测的发展阶段:
- 检测网络的出现和端到端;
- one-stage模型的出现及two-stage模型的优化;
- anchor-based模型的优化与改良
- 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
- 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?
- 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?
- 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)
- 目标尺度变化问题
- 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。
- 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