|
RCNN->Faste RCNN ->Faster RCNN->mask rcnn
yolov1->yolov2->retinanet(focal loss)->yolov3
faster-rcnn 去掉了selective search ，可以端到端的进行训练，虽然最终还是分4步进行训练的话精度会提升。
即网络最后的classification是对所有anchor框定的Region进行识别分类，会严重拖累网络的分类性能，难以收敛。
yolo有类似rpn的机制，那就是最后输出时的confidence值，这个值决定了前景和背景。
https://www.zhihu.com/question/265345106
ssd是将anchor机制融合在了1 stage模型中，原理与本文所述基本一致。
相对于R-CNN系列的"看两眼"(候选框提取与分类),YOLO只需要Look Once.
2. YOLO统一为一个回归问题，而R-CNN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）。
yolo loss里面针对有无物体loss weight不同，也算是平衡正负样本
正负样本区域极不平衡而目标检测loss易被大批量负样本所左右的问题。此问题是单阶段目标检测框架（如SSD/Yolo系列）与双阶段目标检测框架（如Faster-RCNN/R-FCN等）accuracy gap的最大原因。在Focal loss提出之前，已有的目标检测网络都是通过像Boot strapping/Hard example mining等方法来解决此问题的。
作者：manofmountain
链接：https://www.jianshu.com/p/8e501a159b28
来源：简书
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。
yolov1
缺点：
正负样本不平衡：少了一个阶段，没有先检测出存在物体的bounding box。
解决：存在与不存在物体的bounding box不同的权重
每一个grid只能一类物体
yolov2 解决
只能单标签
yolov3解决
每个格子最多只预测出一个物体 大物体IOU误差和小物体IOU误差对网络训练中loss贡献值接近（虽然采用求平方根方式，但没有根本解决问题）
|