调研目标检测相关综述，总结目标检测主要框架

One stage与Two stage

• One-stage：
  • 直接回归物体的类别概率和位置坐标值，没有生成Region Proposal（RP）的任务，整个训练过程只有一个Stage。
  • 特点：速度相对较快，但是精度相对于Two-stage较低。
• Two-stage：
  • 先由算法生成一系列作为样本的候选框（RP），再由卷积神经网络进行样本分类。训练两个部分，第一步是训练RP网络，第二步是训练目标区域检测的网络。因此有两个Stage。
  • 特点：网络的精度相对较高，速度相对于One-stage较慢。

目标检测算法框架

一、传统检测方法

1.Viola Jones Detectors

结合了 “ 积分图像 ”、“ 特征选择 ” 和 “ 检测级联 ” 三种重要技术，大大提高了检测速度。

2.HOG Detector

尺度不变特征变换和形状上下文的重要改进，若要检测不同大小对象，需对输入图像重新标度。

3.Deformable Part-based Model

一个根过滤器（root-filter）和一些零件滤波器（part-filters）组成，开发了一种弱监督学习方法，所有零件滤波器的配置都可以作为潜在变量自动学习。

二、深度学习框架（Two stage）

1.RCNN

• 选择性搜索，提取一组对象建议，然后调整成相同图案大小，然后输入CNN模型提取特征，最后用线性SVM对每个区域目标进行预测
• 缺点：在大量重叠的提案上进行冗余的特征计算，导致检测速度极慢。

2.多尺度网络

• PSPNet，建立在FCN基础上的像素级分类网络。
• RefineNet，细化中间激活映射并将其分层连接，组合多尺度激活防止锐度损失。

3.SPPNet (空间金字塔池化网络)

• 能够生成固定长度的表示，而不需要重新缩放图像/感兴趣区域的大小。进行目标检测时只对整个图像进行一次特征映射计算，然后生成任意区域的定长表示，训练检测器，避免了卷积特征的重复计算。
• 缺点：训练仍然是多阶段的，只对其全连接层进行微调，而忽略了之前的所有层。

4.Fast RCNN

• 成功地融合了 R-CNN 和 SPPNet 的优点，能够在相同的网络配置下同时训练检测器和边界框回归器。
• 缺点：检测速度仍然受到提案/建议检测的限制。

5.Faster RCNN

• 引入了区域建议网络 ( RPN )，使几乎 cost-free 的区域建议成为可能，目标检测系统大部分独立块，如提案检测、特征提取、边界框回归等，都已经逐渐集成到一个统一的端到端学习框架中。
• 缺点：后续的检测阶段仍然存在计算冗余。

6.Feature Pyramid Networks（FPN）

• 开发了具有横向连接的自顶向下体系结构，用于在所有级别构建高级语义。在检测各种尺度的目标方面显示出了巨大的进步。

三、深度学习框架（One stage）

1.You Only Look Once (YOLO)

• 将单个神经网络应用于整个图像。该网络将图像分割成多个区域，同时预测每个区域的边界框和概率。
• 缺点：与两级探测器相比，它的探测速度有了很大的提高，但是YOLO的定位精度有所下降，特别是对于一些小目标。

2.Single Shot MultiBox Detector (SSD)

• 引入了多参考和多分辨率检测技术 ，在网络的不同层检测不同尺度的对象，大大提高了单级检测器的检测精度，特别是对于一些小目标。

3.RetinaNet

• 密集探测器训练过程中所遇到的极端的前景-背景阶层不平衡是单级检测器精度落后的主要原因。引入了一个新的损失函数 “ 焦损失（focal loss）”，通过对标准交叉熵损失的重构，使检测器在训练过程中更加关注难分类的样本。

思维导图如下所示

总结

本文基于目标检测综述文章，简单罗列了一部分应用较为广泛的框架。