January
20th,
2018
rcnn
- selective search选择proposal，并修正大小，依次通过CNN（重复计算大）
- 先进行SVM分类，然后bounding box回归
fast-rcnn
- 图片通过一次网络，在最后一层卷积层提取proposal，通过roi-pooling
- 分类与回归同时进行，做成multi-task
faster-rcnn
- RPN网络（用网络生成anchor来回归bounding-box。anchor与ground-truth比较重叠面积，生成正类与负类，正负比设为1:3）
- RPN网络与分类回归共享卷积层
- 依然先提取proposal，区分前景背景，后对前景分类与回归，比较慢
- 边框回归：x表示平移，w表示缩放（缩放>0，用e指数表示）；当IOU较大时，$ln(1+x)=x$，近似认为是线性变换。
YOLO
，整幅图片分成$S*S$个网格，B表示bounding-box信息，包括$(x_{center},y_{center})$，w，h，confidence，$x_{center}$与$y_{center}$相对网格归一化，w，h相对图片归一化，confidence表示置信度（是否是物体+IOU），C表示类别数。
- 相当于1个anchor的faster-rcnn，并且前景-背景与类别同时计算。
- 测试时每个格子只能得到一个结果，不适合大量小物体。（而faster-rcnn可以设置anchor大小，不存在这类问题）
- 不适合奇怪形状的物体。
- 最后两层fc 丢失了位置信息，YOLO2进行了改进
- 损失函数为MSE（1、class大多为0，应该减少权重；2、小物体回归时不准确，用sqrt，并不能完全解决）
- 层次分类：生成word-tree，在每一层上扩增数据集，达到局部平衡
YOLO2
- 预测类别与空间位置解耦（与faster-rcnn一致）
- 每个格子预测5个结果（对ground-truth聚类得到的结果）
SSD
- 多尺度划分格子，生成
- 训练策略，loss函数与faster-rcnn一致
- 不适合小物体（大物体对应多个anchor，小物体对应一个anchor，得不到充分训练）
R-FCN
- conv-roi-fc：fc层丢失了位置信息
- conv-roi-conv-fc：roi之后卷积，计算量增大
- conv-position_roi:将位置信息融入卷积层，每个score map都是只属于“一个类别的一个部位”，依据位置pooling
FPN
SSD的每一层feature单独提取，而FPN对后来的feature进行上采样，并且与前面的feature进行融合。
RetinaNet
- 针对一阶段检测
- focal loss $FL(p_t)=-\alpha_t(1-p_t)^{\gamma}log(p_t)$，其中$p_t=p(y=1),1-p(y=other)$，$\alpha_t$类似
- 正负样本不平衡，$\alpha_t$
- 难易样本不平衡（不能丢弃简单负样本，因为它们占了大多数），$\gamma$越大，简单负样本比重越小
mask-RCNN
- 额外加一个分支输出分割mask，对每个像素、每一类设置sigmoid损失输出
- RoIAlign：1、除法不取整；2、每个格子的值由4个内部点线性插值得到