目標檢測方法整理
經典方法包括：
基於region proposal的：
- R-CNN
- Fast R-CNN
- Faster R-CNN
- R-FCN
基於回歸方法的：
- YOLO
- SSD
region proposal方法
區域建議方法的主要思路是：找出可能的目標區域 + 提取目標區域特征 + 對目標區域分類 and 對目標Box回歸
R-CNN:
1.使用select search（ss）方法得到目標的可能區域，約2000個
2.對可能區域先變換到固定大小，再使用CNN提取特征
3.通過SVM對特征進行分類，得到目標類
4.通過回歸方法得到目標box
其模型結構圖如下:
其優勢是：不需要人工制定描述特征。
其問題是：訓練和檢測速度太慢。三部分需要單獨訓練。
Fast R-CNN：
針對R-CNN的速度慢問題，Fast R-CNN通過 ROI pooling和bounding box與classification的合並大大提高了訓練速度和檢測速度。
1.使用select search（ss）方法得到目標的可能區域ROI，約2000個
2.對圖片使用CNN提取特征
3.根據獲得的ROI，提取ROI特征，使用ROI池化到固定大小
4.對池化后結果使用CNN進行classification和regression
其結構模型如下圖：
其優勢是：通過先CNN再ROI pooling的操作，大大減少了計算冗余；classification和regression操作都使用CNN來完成，且在一個模型中實現，為簡化訓練步驟打下基礎。
其問題是：速度仍然達不到實時，仍然需要額外的region proposal部分給出ROI，訓練也需要分開。
Faster R-CNN：
針對Fast R-CNN的不足，提出了Faster R-CNN。通過region proposal net（RPN）來實現區域提議，通過共享思想極大的提高了訓練和測試速度。
1.對圖像做CNN特征提取（共享卷積層）
2.使用RPN網絡提取ROI（RPN CNN，好像是兩層，有獨立的 \(E=L_score\) 和 \(E=L_bbox\)），為提高定位精度使用了anchor box
3.使用2中獲得的ROI選擇1中的特征區域，進行classification和regression
其結構模型如下圖：
其優勢是：區域提議、特征提取和分類回歸全部使用一個網絡完成，大大提高了訓練和檢測速度。網絡訓練使用交替訓練方法。
其問題是：仍然不能完全達到檢測
三者的關系與比較
三者的關系：
三者的比較：
圖表摘自Faster RCNN解析
基於區域提取方法的目標檢測，更進一步的研究可參考博客文章Faster R-CNN 深入理解 && 改進方法匯總
回歸方法
基於回歸方法的目標檢測，不需要預先給出或計算ROI。同時，將classification和bounding box regression放在一個網絡部分來完成，其損失函數其實是兩個損失函數的綜合。
否可以理解為其實是學習bounding box的位置，然后對bbox內物體按照概率分類？
YOLO
最大特點是不需要單獨的region proposal，直接用CNN網絡對圖像做處理，然后根據概率和非極大值抑制（NMS）過濾bbox。
1.對圖像resize后做網格分割（grid cell），分為特定大小（7x7）
2.對圖像做卷積，然后每個cell內預測兩個bbox並預估class概率
3.從772個bbox中過濾得出最終結果
其結構模型如下圖：
其優勢是：不需要region proposal，速度很快，可達到實時。使用先訓練分類網絡，再訓練檢測模型的方法。
其問題是：定位精度不准，同時，對小目標的檢測，對密集目標的檢測很困難。主要原因是每個cell只預測兩個bbox。
為了克服YOLO的主要問題，引入了anchor概念及其他手段，在保證速度的前提下，精度也大大提高。主要手段如下：
這里要注意，anchor概念的引入在mAP上表現的差異不大，但是在recall上增加約7%。具體可見原文獻
SSD
在速度上可比擬YOLO，在精度上追隨Faster R-CNN。主要特點是多層特征圖預測分類和bbox，其中bbox有多種尺度和比例。
1.圖像提取特征獲得多個層和多個scale的feature map
2.對每個feature map設定的default bbox進行回歸並預測class score（default bbox含有多種尺度和比例）
3.bbox過濾
其結構模型如下圖：
其優勢是：如上所述，快並且有較好的精度。
其問題是：default box的大小形狀需要預先人工設置，不能自動迭代。對小目標的檢測仍然不夠，可能是低層卷積的特征提取不夠導致的。
上述方法可以參考如下博文內的圖片：
