zoukankan      html  css  js  c++  java
  • 【转】深度学习目标检测的整体架构描述(one-stage/two-stage/multi-stage)

    版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
    本文链接:https://blog.csdn.net/JNingWei/article/details/80039079

    Introduction

    Detection主要分为以下三个支系:

    -one-stage系two-stage系multi-stage系
    主要算法 YOLOv1、SSD、YOLOv2、RetinaNet、YOLOv3 Fast R-CNN、Faster R-CNN R-CNN、SPPNet
    检测精度 较低 较高 极低
    检测速度 较快 较慢 极慢
    鼻祖 YOLOv1 Fast R-CNN R-CNN
    状态     已淘汰

    Detection算法的几个task

    1. 对于不需要预生成RP的Detection算法而言,算法只需要完成三个任务:

      • 特征抽取
      • 分类
      • 定位回归
    2. 对于有预生成RP的Detection算法而言,算法要完成的主要有四个任务:

      • 特征抽取
      • 生成RP
      • 分类
      • 定位回归

    Detection算法的框架套路

    这里写图片描述

    multi-stage 算法

    最早期的检测算法 (主要为R-CNN、SPPNet) 都属于multi-stage系。这个时候的Selective Serach、Feature extraction、location regressor、cls SVM是分成多个stage来各自单独train的。故谓之曰“multi-stage”:
    这里写图片描述

    two-stage 算法

    到了Fast R-CNN的时候,Feature extraction、location regressor、cls SVM都被整合到了一个network里面,可以实现这三个task一起train了。由于生成RP的task还需要另外train,故谓之曰“two-stage”:
    这里写图片描述

    到了Faster R-CNN中,虽然RPN的出现使得四个task可以一起被train,但是依然被归类为“two-stage”。(这个地方我也不是很理解。)

    one-stage 算法

    在YOLOv1中,“生成RP”这一任务被直接丢弃了。因此,整个算法只剩下了一个stage,故谓之曰“one-stage”:
    这里写图片描述


    [1] 检测任务专题2: two-stage检测
    [2] Object Detection–RCNN,SPPNet,Fast RCNN,FasterRCNN论文详解

  • 相关阅读:
    HDU 4472 Count DP题
    HDU 1878 欧拉回路 图论
    CSUST 1503 ZZ买衣服
    HDU 2085 核反应堆
    HDU 1029 Ignatius and the Princess IV
    UVa 11462 Age Sort
    UVa 11384
    UVa 11210
    LA 3401
    解决学一会儿累了的问题
  • 原文地址:https://www.cnblogs.com/huhujiang/p/11637129.html
Copyright © 2011-2022 走看看