[物体检测]物体检测论文梳理

计算机视觉顶会（ICCV、CVPR、ECCV）

论文	代码	期刊/年份	作者/学校	备注
R-CNN		CVPR 2014	Ross Girshick/UC Berkeley	二阶段
Fast R-CNN		ICCV 2015	Ross Girshick/Microsoft Research	二阶段
Faster R-CNN		NIPS 2015	Shaoqing Ren/Microsoft Research	二阶段
YOLO		CVPR 2016	Joseph Redmon/University of Washington	一阶段
SSD		ECCV 2016	Wei Liu/UNC Chapel Hill	一阶段
FPN		CVPR 2017	Tsung-Yi Lin/Facebook AI Research
YOLO v2		CVPR 2017	Joseph Redmon/University of Washington	一阶段
RetinaNet		ICCV 2017	Tsung-Yi Lin/Facebook AI Research	一阶段
Mask R-CNN		ICCV 2017	Kaiming He/Facebook AI Research	二阶段
YOLO v3		Arvix 2018	Joseph Redmon/University of Washington	一阶段
RefineDet		CVPR2018

简图比较

R-CNN系列

YOLO

SSD

SSD

核心设计理念

1. 采用多尺度特征图用于检测（好）
2. 设置先验框（快）
3. 采用卷积进行检测（特征块不用pooling）

难点

1. 正负样本获得（难例挖掘）
2. 从特征块中预测bbox和cls（不使用pooling，而是通过concat）

数据

PASCAL VOC2007
PASCAL VOC2012
COCO

模型

每一层的大小的推断代码

from mxnet.gluon import nn
from mxnet import nd

# data_Conv6为Conv6层的数据, 此层上应用的卷积操作是op_Conv6
data_Conv6 = nd.random.randn(1,1024,19,19) # 输入输出数据格式是 batch x channel x height x width
print("data_Conv6.shape =", data_Conv6.shape)

op_Conv6 = nn.Conv2D(1024, kernel_size=1) # Conv: 1*1*1024
op_Conv6.initialize(force_reinit=True)
data_Conv7 = op_Conv6(data_Conv6) # 19*19*1024
print("data_Conv7.shape =", data_Conv7.shape)

op_Conv7 = nn.Sequential()
op_Conv7.add(nn.Conv2D(256, kernel_size=1)) # Conv: 1*1*256
op_Conv7.add(nn.Conv2D(512, kernel_size=3, padding=1, strides=2)) # Conv: 3*3*512-s2
op_Conv7.initialize(force_reinit=True)
data_Conv8_2 = op_Conv7(data_Conv7) # 10*10*512
print("data_Conv8_2.shape =", data_Conv8_2.shape)

op_Conv8_2 = nn.Sequential()
op_Conv8_2.add(nn.Conv2D(128, kernel_size=1)) # Conv: 1*1*128
op_Conv8_2.add(nn.Conv2D(256, kernel_size=3, padding=1, strides=2)) # Conv: 3*3*256-s2
op_Conv8_2.initialize(force_reinit=True)
data_Conv9_2 = op_Conv8_2(data_Conv8_2) # 10*10*512
print("data_Conv9_2.shape =", data_Conv9_2.shape)

op_Conv9_2 = nn.Sequential()
op_Conv9_2.add(nn.Conv2D(128, kernel_size=1)) # Conv: 1*1*128
op_Conv9_2.add(nn.Conv2D(256, kernel_size=3, strides=1)) # Conv: 3*3*256-s1
op_Conv9_2.initialize(force_reinit=True)
data_Conv10_2 = op_Conv9_2(data_Conv9_2) # 10*10*512
print("data_Conv10_2.shape =", data_Conv10_2.shape)

op_Conv10_2 = nn.Sequential()
op_Conv10_2.add(nn.Conv2D(128, kernel_size=1)) # Conv: 1*1*128
op_Conv10_2.add(nn.Conv2D(256, kernel_size=3, strides=1)) # Conv: 3*3*256-s1
op_Conv10_2.initialize(force_reinit=True)
data_Conv11_2 = op_Conv10_2(data_Conv10_2) # 10*10*512
print("data_Conv11_2.shape =", data_Conv11_2.shape)

损失函数

优化算法

SGD

• initial learning rate 10−3
• 0.9 momentum
• 0.0005 weight decay
• batch size 32

参考

链接	说明
SSD Paper、SSD Slide、SSD Code-Caffe	官方
目标检测 SSD原理与实现	讲解细致，有tf实现
深度学习笔记（七）SSD 论文阅读笔记简化	讲解细致，尤其是正负样本获得，可继续阅读同一作者的深度学习笔记（七）SSD 论文阅读笔记

YOLO

参考

链接	说明
YOLOv1 Paper、YOLOv2 Paper、YOLOv3 Paper	官方
目标检测 YOLO原理与实现	讲解细致，有tf实现
目标检测 YOLOv2原理与实现(附YOLOv3)	讲解细致，有tf实现

Faster R-CNN

Faster R-CNN论文详解

参考

GluonCV-Detection
（机器之心）从R-CNN到RFBNet，目标检测架构5年演进全盘点
【重磅】基于深度学习的目标检测算法综述
白话mAP

NMS原理(非极大值抑制)+python实现
Soft-NMS
R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN总结
Spatial Transformer Networks
理解Spatial Transformer Networks