目标检测 One Stage方法

One Stage的目标检测是针对于Two Stage来说的。

说的简单一点，One Stage方法讲究一步到位，通过主干网络+回归网络直接生成目标位置和类别，所以叫做One Stage方法。Two Stage方法则相对于One Stage方法多了一个RPN网络，用来预测检测框，然后在对这些检测框进行判断。

One Stage方法使用CNN来进行特征提取，直接回归物体的类别概率和位置坐标值，相比于Two Stage准确度低一些 识别速度高一些。YOLO与SSD都是属于One Stage方法的经典算法。

One Stage流程：

CNN->区域分类 位置精修

主干网络为CNN，其设计原则如下。

1. 尽量选择更加轻量级的CNN网络，能够在一定程度上减少过拟合的产生。
2. 多尺度的特征融合网络，可以在一定程度上解决检测目标大小不固定的问题。

可以使用VGG16作为主干网络的选择，这里就不多做赘述。

回归网络

1. 区域回归，包括置信度 、位置、类别。
2. Anchor机制，某点上进行不同比例的预测框的检测。

如上图所示，我们以YOLO举例说一下如何进行区域回归