物体检测网络概述

YOLO：实时快速目标检测
https://zhuanlan.zhihu.com/p/25045711?refer=shanren7
YOLO详解
https://zhuanlan.zhihu.com/p/25236464
传统目标检测系统采用deformable parts models (DPM)方法，通过滑动框方法提出目标区域，然后采用分类器来实现识别。近期的R-CNN类方法采用region proposal methods，首先生成潜在的bounding boxes，然后采用分类器识别这些bounding boxes区域。最后通过post-processing来去除重复bounding boxes来进行优化。这类方法流程复杂，存在速度慢和训练困难的问题。
YOLO采用单个卷积神经网络来预测多个bounding boxes和类别概率；YOLO将物体检测作为一个回归问题进行求解，输入图像经过一次inference，便能得到图像中所有物体的位置和其所属类别及相应的置信概率。而rcnn/fast rcnn/faster rcnn将检测结果分为两部分求解：物体类别（分类问题），物体位置即bounding box（回归问题）。

===
直接画一张图吧：不过 YOLO出了第二版了，亲测很牛逼！地址：YOLO: Real-Time Object Detection

个人觉得，分析比较Faster Yolo SSD这几种算法，有一个问题要先回答，Yolo SSD为什么快？

个人觉得，分析比较Faster Yolo SSD这几种算法，有一个问题要先回答，Yolo SSD为什么快？最主要的原因还是提proposal（最后输出将全连接换成全卷积也是一点）。其实总结起来我认为有两种方式：1.RPN，2. 暴力划分。RPN的设计相当于是一个sliding window 对最后的特征图每一个位置都进行了估计，由此找出anchor上面不同变换的proposal，设计非常经典，代价就是sliding window的代价。相比较 yolo比较暴力 ，直接划为7*7的网格，估计以网格为中心两个位置也就是总共98个”proposal“。快的很明显，精度和格子的大小有关。SSD则是结合：不同layer输出的输出的不同尺度的 Feature Map提出来，划格子，多种尺度的格子，在格子上提“anchor”。结果显而易见。还需要说明一个核心： 目前虽然已经有更多的RCNN，但是Faster RCNN当中的RPN仍然是一个经典的设计。下面来说一下RPN：（当然你也可以将YOLO和SSD看作是一种RPN的设计）在Faster RCNN当中，一张大小为224*224的图片经过前面的5个卷积层，输出256张大小为13*13的 特征图（你也可以理解为一张13*13*256大小的特征图，256表示通道数）。接下来将其输入到RPN网络，输出可能存在目标的reign WHk个（其中WH是特征图的大小，k是anchor的个数）。实际上，这个RPN由两部分构成：一个卷积层，一对全连接层分别输出分类结果（cls layer）以及 坐标回归结果（reg layer）。卷积层：stride为1，卷积核大小为3*3，输出256张特征图（这一层实际参数为3*3*256*256）。相当于一个sliding window 探索输入特征图的每一个3*3的区域位置。当这个13*13*256特征图输入到RPN网络以后，通过卷积层得到13*13个 256特征图。也就是169个256维的特征向量，每一个对应一个3*3的区域位置，每一个位置提供9个anchor。于是，对于每一个256维的特征，经过一对 全连接网络（也可以是1*1的卷积核的卷积网络），一个输出 前景还是背景的输出2D；另一个输出回归的坐标信息（x,y,w, h,4*9D，但实际上是一个处理过的坐标位置）。于是，在这9个位置附近求到了一个真实的候选位置。

===
简单明了
作者：X.Zhao
链接：https://www.zhihu.com/question/35887527/answer/223595715
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

简明一些的解释
R-CNN估计候选位置信息，针对所有候选区域的二维特征图，逐一执行CNN推演得到类别信息。
Fast R-CNN（重复 R-CNN）估计候选位置信息，基于候选区域的特征图生成一维特征向量，逐一执行FC推演同时得到类别和位置信息。
Faster R-CNN基于所谓的区域选择网络估计候选区域，（重复Fast R-CNN）基于候选区域的特征图生成一维特征向量，逐一执行FC推演同时得到类别和位置信息。
FPN与其它模型只用单层特征相比，FPN将高层特征图融合至多个低层特征图。即提供具有强壮语义的多层特征图，进而增强模型对小目标的处理能力。Faster R-CNN 加入 FPN 后，显著提升了检测能力。
SSD不同于其他模型提取候选区域，SSD 使用所谓的锚箱替代区域选择网络，同时估计目标的类别信息和位置信息。
评价这一系列方法
观察 R-CNN -> Fast R-CNN -> Faster R-CNN + FPN -> SSD 的发展过程，由直观但繁琐的 R-CNN 逐渐发展至可端到端训练的 Faster R-CNN 和 SSD，算法精度的持续上升 或 提高检测速度的过程中，新算法弥补了上一种算法中的显著弱势。发展趋势合情合理，却又让人觉得精妙称赞。作为总结，静心分析已有算法，有利于了解研究现状，站在巨人的肩膀上更会产出优秀的成果。
1. [Fast R-CNN]
2. [Faster R-CNN] Towards Real-Time Object Detection with Region Proposal Networks
3. [FPN] Feature Pyramid Networks for Object Detection
4. [SSD] Single Shot Multibox Detectior

===
知乎笔记：
RCNN-将CNN引入目标检测的开山之作
SPPNet-引入空间金字塔池化改进RCNN
Fast R-CNN
Faster R-CNN
图解YOLO
SSD
YOLO2

晓雷机器学习笔记

参考：
[1] R-CNN: Girshick R, Donahue J, Darrell T, et al. Rich feature hierarchies for accurate object detection and semantic segmentation[C], CVPR, 2014.
[2] SPPNET: He K, Zhang X, Ren S, et al. Spatial pyramid pooling in deep convolutional networks for visual recognition[C], ECCV, 2014.
[3] Fast-RCNN: Girshick R. Fast R-CNN[C]. ICCV, 2015. [4] Fater-RCNN: Ren S, He K, Girshick R, et al. Faster r-cnn: Towards real-time object detection with region proposal networks[C]. NIPS, 2015.
[5] YOLO: Redmon J, Divvala S, Girshick R, et al. You Only Look Once: Unified, Real-Time Object Detection[J]. arXiv preprint arXiv:1506.02640, 2015.