目录

1、faster rcnn：

2、SSD：

3、YOLOv1:

小结：

拓展：anchor-based和anchor-free

anchor

---

1、faster rcnn：

FasterRcnn 算法原理讲解笔记（非常详细）https://blog.csdn.net/xjtdw/article/details/98945548

1）主要流程

将输入的图像按照短边设置为600后，等比例不失真缩放；

主干网络（VGG16、RESTNET）进行特征提取得到特征图38,38（下采样率为16）；

特征图每个点生成九个anchor，共有38*38*9个anchors；

每个anchor等比例缩小16得到在特征图上的坐标，先将超出图像的anchor去掉，然后根据特征图可以得到每个anchor的得分（这个得分是二分类，前景or背景），根据得分筛选出12000个anchor，这里使用的分类网络为softmax+交叉熵损失；

NMS和得分再次筛选得到2000个anchor，这2000个就是建议框proposal；

2000个建议框再和标签框构建IOU矩阵，根据IOU来区分正负样本，然后选择3:1的正负样本数，总数256，这样就得到了256个roi；

将roi区域池化为7*7大小的区域，传输到全连接层，进行分类和回归（分类网络为softmax+交叉熵损失），回归损失使用的是smoothL1损失。

2）rpn和proposal以及roi层的区别

rpn是一个网络，主要作用是区域生成和对正样本的位置先进行调整，得到位置更加准确的建议框；proposal一般为2000个，是rpn网络的产物；roi是proposal和标签框构建iou矩阵后得到的区域；

3）为什么最后要池化为7*7

fasterrcnn原始使用的是VGG的全连接层，而全连接层是固定维度的，因此需要将维度编程适用于vgg

4）为什么小目标最后会消失

经过主干网络特征提取后，图像的下采样率为16，这样就导致了目标像素小于16的对象会被下采样过程中丢弃，同时后续使用的特征图是下采样后的，特征图中没有小目标的特征点存在，导致后续训练的网络并没有对小目标进行训练检测。

5）要注意什么？

fasterrcnn：尽量保证标签框在锚框的最大范围内，便于收敛；

是一个two stage模型，主要创新点在于RPN网络用于候选框的生成。首先利用先验知识对特征图上每一个点生成先验大小的9个ANCHOR框，然后第一阶段是训练RPN网络即生成候选区域，确定每一个框是否包含物体，这里主要是对固定的ANCHOR进行筛选和修正，将剩余的锚框作为候选区域；第二个阶段则是对候选区域进行分类和回归，确定物体的类别具体是什么，以此实现物体的检测

优点：精度高

缺点：训练时间长，且anchor是在同一个特征图上得到的，不利于小目标物体的检测

注意：先验大小——指的是根据现有的目标的纵横比来进行锚框的设计，以此来使得候选区域尽可能地接近真实的物体的位置

2、SSD：

是一个one stage模型，主要创新点在于多尺度训练。SSD是从多个特征层上进行anchor的获取，然后直接将这些anchor框作为候选框进行物体类别的预测与位置的预测。这里还是采用了先验知识来指导anchor的生成，每个特征层每个点生成的anchor的个数不一样，主要为4个或者是6个，为了样本平衡，也会对样本进行筛选，使得正负样本1:3.

优点：速度快

缺点：精度不够

注意：先验大小——指的是根据现有的目标的纵横比来进行锚框的设计，以此来使得候选区域尽可能地接近真实的物体的位置

3、YOLOv1:

是一个one stage模型，主要创新点在于最后7*7*30的特征矩阵当中。YOLOV1是一个没有先验框的模型，它主要是将输入的图像分割成7*7大小的网格，然后每个网格生成2个预测框，最后每个网格含有30个信息值（2个预测框的x,y,h,w,c以及20个类别的条件概率）。

优点：速度比SSD快，是目前性能综合最高的了

小结：

以上三种模型都需要生成候选框，且训练数据都需要有标记的图像数据。不同的是前二者有先验框来指导候选框的生成，而YOLO没有；且rcnn系列是二阶段，后两者是一阶段。前两者可以看成是anchor_based，yolov1可以看成是anchor_free.

拓展：anchor-based和anchor-free

参考链接：https://www.zhihu.com/question/356551927/answer/926659692

目标检测算法一般可分为anchor-based、anchor-free、两者融合类，区别就在于有没有利用anchor提取候选目标框。

A. anchor-based类算法代表是fasterRCNN、SSD、YoloV2/V3等

B. anchor-free类算法代表是CornerNet、ExtremeNet、CenterNet、FCOS,yolov1等

anchor

（也被称为anchor box）是在训练之前，在训练集上利用k-means等方法聚类出来的一组矩形框，代表数据集中目标主要分布的长宽尺度。在推理时生成的特征图上由这些anchor滑动提取n个候选矩形框再做进一步的分类和回归（详细叙述请参考提出anchor思想的fasterRCNN一文）。也就是传统目标检测算法中，在图像金字塔上使用的那个m*n的滑窗。只不过传统方法中特征图是不同尺度的，滑窗一般是固定大小的；而类似于fasterRCNN算法中特征图是固定的，anchor是多尺度的。