阅读目标检测综述论文

阅读论文Imbalance Problems in Object Detection: A Review

一、目标检测整体模型框架介绍（针对Anchor-based）

上图为anchor-based的单阶段方法，主要分为三个部分：

• 将输入的图片送入特征提取网络，一般为深度卷积神经网络。
• 产生一个针对目标假设的稠密集合，即Anchors；之后通过将它们和真实值检测框进行匹配和采样（图中蓝色和黑色的groundtruth框，以下简称GT），得到一系列正样本框（绿色框Positive Bounding Boxes，以下简称BB）和负样本框（红色框Negative Bounding Boxes）。
• 最后，带标签的anchors（也即BB）和相对应的特征（即Feature Extraction网络的输出）共同送入分类和回归网络进行训练。

  单阶段基于anchor的方法，包括SSD及其变体、YOLO及其变体、以及RetinaNet等，它们直接对anchors和GT进行匹配来输出预测结果。而两阶段的方法，在对输入的图像提取特征之后，还需要经过region proposals进一步缩小采样空间。在上图中，两阶段方法的差异主要表现在Anchor/RoI set之后首先利用其他的网络（例如R