目标检测中YOLO系列算法发展历史回顾

---

目标检测简介

• 图像分类：在图像分类中仅仅对图像所属的类别进行判断。
• 目标检测：除了对图像的类别进行判断外，还需要对图像中目标的位置进行判定，并通过置信度的设定过滤掉一些误检目标。
• 语义分割：找出图像中同一类物体目标所在的具体位置。
• 实例分割：不仅要区分语义分割中的位置外，还要区分同一类目标的位置。

one-stage VS two-stage

one-stage

优点：速度快

       避免背景错误，产生false positive（也就是说误检率低）

       学到物体的泛化特征

缺点：精度低（定位、检出率）

       小物体检测效果不好

two-stage

优点：精度高（定位、检出率）

       Anchor机制（提高模型性能的一个重要机制，能够考虑到不同尺度的区域）

       共享计算量（作用就是减小网络模型，相当于对模型进行了正则化，对于防止模型的过拟合和模型的训练都有一定的意义）

缺点：速度慢

       训练时间长

       误报高