RetinaNet：Focal Loss for Dense Object Detection

Focal Loss for Dense Object Detection

论文地址：https://arxiv.org/pdf/1708.02002.pdf
何凯明 ICCV 2017 best student paper
论文核心：提出了一种用于单阶段目标检测算法的聚焦损失函数

论文的出发点

读完本论文后，这里我自己总结一下。
论文的出发点总结了当前两阶段目标检测算法和单阶段目标检测算法的优缺点。

两阶段目标检测算法：

• 第一阶段能过滤掉无关背景，第二阶段更精细化包围框回归，所以两阶段目标检测算法精确度更高；
• 由于有两个阶段，算法训练与检测都很耗时，实时性上没有单阶段目标检测算法好；

单阶段目标检测算法：

• 只有一个阶段，直接利用生成的anchor框进行回归，生成的anchor框中存在着大多数的无关背景，单阶段算法的精确度没有两阶段算法高；
• 只有一个阶段，没有第一阶段进行前景和背景的选择，时效性更好，更便于落地；

作者的出发点：

作者对比了单阶段与两阶段的目标检测算法，发现两者各自都有优缺点。所以作者产生了一个思路，想训练和学习一个单阶段目标检测器，能够保证时效性的同时也提高其准确率提升到两阶段目标检测算法的水平。

发现问题

作者的出发点已经确定了，那么下面几个问题需要解决：

• 两阶段目标检测算法有第