（部分可见 https://www.cnblogs.com/EstherLjy/p/9328996.html ）
一、理论效果对比：
二、算法理论：
1.Faster Rcnn
1.1 框架
1）用基础网络（VGG16）获得feature map；2）将feature map输入到RPN网络中，提取proposal，并将proposal映射到原feature上；3）将proposal的feature map用ROI pooling池化到固定长度；4）进行类别的分类和位置的回归。
1.2 ROI-pooling
1）目的：由于有全链接层，需要将proposal对应的feature_map转成固定长度
2）方法：ROI-pooling,ROI-align
ROI-pooling:直接量化，整个流程中有两次量化，一次是proposal对应到fature map(直接向下取整)，一次是ROI-pooling，分n*n的块不能完全且分（舍弃一部分）
ROI-align：对proposal对应的feature map（非整数）切成n*n,对每个cell双线性插值获得k（一般是4）个采样点，对采样点取最大值/平均值
1.3 RPN
思想：输入公共feature map,做3*3的卷积得到H*W*256的feature map，在feature map的每个cell上（真实是原图上，一个点对应原图上一个框）赋予9=3（3种size）*3（3种比例，1:1,1:2,2:1）个anchor，每个anchor需要检测该cell是不是目标（9*2=18维），以及目标的更精确的位置（9*4=36维），整个feature map得到W/4*H/4*（18+36=54）大小的feature map，接着就可以按分数取正负样本。
2.Cascade Rcnn
2.1 原因：
1）BBox精度不够高，原因为RPN提取的proposal>0.5认为是正样本，输入到分类器进行回归；
2）0.5附近这部分正样本并不太正，回归起来较难，且这种正样本输入训练出的分类器，容易把更高IOU（比如0.8）的的proposal回归的不好；
3）单纯提高阈值会导致正样本比例不够，容易过拟合
2.2 思路：
1）单次回归不足以产生准确的信息，需要多次迭代
2）使用分类器集合，针对不同IOU层次的box进行不同回归，使得每个阶段的proposal都能较好回归
3）前面分类器回归后的proposal（IOU从0.5到0.6）可以作为后面分类器的正样本，因此高层的正样本也是够的
很难让一个在指定IOU阈值界定的训练集上训练得到的检测模型对IOU跨度较大的proposal输入都达到最佳，因此采取cascade的方式能够让每一个stage的detector都专注于检测IOU在某一范围内的proposal，因为输出IOU普遍大于输入IOU，因此检测效果会越来越好
3.YOLO相关
3.1 YOLO-V1
1）将一幅图像分成SxS个网格(grid cell)，如果某个object的中心 落在这个网格中，则这个网格就负责预测这个object。每个网络需要预测B个BBox的位置信息和confidence（置信度）信息，一个BBox对应着四个位置信息和一个confidence信息。confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息。
2）由于存在全连接层输入大小需要固定；一个网格最多检测一个物体；损失是绝对值；效果不好；
3.2 YOLO-V2
1）分类和检测联合训练（类似扩充数据集并移植）；放9个先验框；去除全连接层；约束学习到的边框；passthrough层;图像多尺度训练;
3.2 YOLO-V3
1）darknet53;sofmax->多个二分类；FPN；
3.3 Yolo-v5
1）数据增强（随机缩放、随机裁剪、随机排布），自适应锚框计算，自适应图片缩放
4.Fcos
4.1 思想：避免anchor设置中的各种超参数
1）把分割运用到检测，anchor free，对图上每个位置进行回归和分类
2）负样本会很多，用与目标中心点的距离抑制错误
4.2 做法：
1）将feature_map的每一个cell映射回原图上成一个框，如果这个映射框处在待检测目标的范围内（有交集）则这个cell为正样本，否则为负样本
2）模糊case（真实处在多个目标框）判为面积最小的边界框，
3）确定GT后，回归与原图框的相对位移，不同层回归不同大小的目标
4）分类回归的同时学习离目标中心的距离抑制错误
4.3 与基于anchor的方法（下面称为anchor法）不同之处：
1）Fcos对feature map对应的原图框进行回归，anchor法是对anchor进行回归；2）Fcos的gt是 如果原图框与真实框有交集就是正样本，anchor法是anchor与真实边框的iou大于一定阈值时正样本；3）Fcos训练C个二元分类器，anchor法回归一个多元分类器。4）FCOS通过直接限定不同特征级别的边界框的回归范围来解决模糊case。5）FCOS添加Center-ness分支，用于抑制低质量的预测边界框。
5.OHEN
5.1 目的：区分难分样本
5.2 方法：多学习难例
对于一次SGD迭代：先计算出特征图，可读RoI网络对所 有RoI执行前向计算并计算每个RoI的损失，然后选择hard RoIs。把这 些hard RoIs输入到可读可写的RoI网络中执行前向前向计算和反向传播更新网络，并把可读可写的RoI网络的参数赋值给只可读的网络，一次 迭代完成。
6.Focol Loss
6.1 目的：解决难易样本不均衡问题
6.2 方法：降低易分类样本的权重
6.2 与OHEM区别：ohem按loss大小选负样本，但忽略了那些loss较小的easy的负样本，虽然这些easy负样本loss很小，但数量多，加起来的loss较大，对最终loss有一定贡献。Focol Loss想把这些loss较小的也融入到loss计算中。想融入一些easy example，希望他们能有助于训练，但又不希望他们主导loss。
7.RetinaNet:Resnet+FPN+FCN+Focal_loss，效果不如Faster Rcnn
8.Mask Rcnn：在Faster Rcnn基础上添加一个Mask预测分支，每个类一张特征图
8.1 网络框架
三、算法实践结论：
1.OHEM一般用在RCNN层，在类别判断上效果明显，准召上提升也较明显
2.Focol_Loss一般用在RPN层，可以提升目标召回，但会带来噪声
3.deform可提升小目标召回，但会带来噪声
4.Fcos比Faster召回高但带来大量噪声，实际可能不适用