2.3 Anchor-based中的單階段目標檢測算法
單階段目標檢測算法不需要region proposal階段，直接產生物體的類別概率和位置坐標值，經過一個階段即可直接得到最終的檢測結果，因此有著更快的檢測速度。
2.3.1 YOLO v1
https://www.cvfoundation.org/openaccess/content_cvpr_2016/papers/Redmon_You_Only_Look_CVPR_2016_paper.pdf
代碼鏈接：https://github.com/abeardear/pytorch-YOLO-v1
YOLO v1是第一個單階段的深度學習檢測算法，其檢測速度非常快，該算法的思想就是將圖像劃分成多個網格，然后為每一個網格同時預測邊界框并給出相應概率。例如某個待檢測目標的中心落在圖像中所劃分的一個單元格內，那么該單元格負責預測該目標位置和類別。YOLO v1檢測速度非?？?，在VOC-07數(shù)據(jù)集上的mAP可達52.7%，實現(xiàn)了155 fps的實時性能。相較于基于錨框的目標檢測算法，盡管YOLO v1算法的檢測速度有了很大提高，但精度相對較低(尤其是對于一些小目標檢測問題)。
2.3.2 SSD
論文鏈接：https://arxiv.org/pdf/1512.02325
代碼鏈接：https://github.com/amdegroot/ssd.pytorch
SSD算法的主要創(chuàng)新點是提出了Multi-reference和Multi-resolution的檢測技術。SSD算法和先前的一些檢測算法的區(qū)別在于：先前的一些檢測算法只是在網絡最深層的分支進行檢測，而SSD有多個不同的檢測分支，不同的檢測分支可以檢測多個尺度的目標，所以SSD在多尺度目標檢測的精度上有了很大的提高，對小目標檢測效果要好很多。相比于YOLO v1算法，SSD進一步提高了檢測精度和速度(VOC-07 mAP=76.8%, VOC-12 mAP=74.9%, COCO mAP@.5=46.5%, mAP@[.5,.95]=26.8%, SSD的精簡版速度達到59 fps)。
2.3.3 YOLO v2
https://openaccess.thecvf.com/content_cvpr_2017/papers/Redmon_YOLO9000_Better_Faster_CVPR_2017_paper.pdf
代碼鏈接：https://github.com/longcw/yolo2-pytorch
相比于YOLO-v1，YOLO-v2在精度、速度和分類數(shù)量上都有了很大的改進。在速度上(Faster)，YOLO v2使用DarkNet19作為特征提取網絡，該網絡比YOLO-v2所使用的VGG-16要更快。在分類上(Stronger)，YOLO-v2使用目標分類和檢測的聯(lián)合訓練技巧，結合Word Tree等方法，使得YOLO v2的檢測種類擴充到了上千種。YOLO-v2算法在VOC 2007數(shù)據(jù)集上的表現(xiàn)為67 FPS時，mAP為76.8，在40FPS時，mAP為78.6 YOLO-v2算法只有一條檢測分支，且該網絡缺乏對多尺度上下文信息的捕獲，所以對于不同尺寸的目標檢測效果依然較差，尤其是對于小目標檢測問題。
2.3.4 RetinaNet
https://openaccess.thecvf.com/content_ICCV_2017/papers/Lin_Focal_Loss_for_ICCV_2017_paper.pdf
代碼鏈接：https://github.com/yhenon/pytorch-retinanet
盡管一階段檢測算法推理速度快，但精度上與二階段檢測算法相比還是不足。RetinaNet論文分析了一階段網絡訓練存在的類別不平衡問題，提出能根據(jù)Loss大小自動調節(jié)權重的Focal loss，代替了標準的交叉熵損失函數(shù)，使得模型的訓練更專注于困難樣本。同時，基于FPN設計了RetinaNet，在精度和速度上都有不俗的表現(xiàn)。RetinaNet在保持高速推理的同時，擁有與二階段檢測算法相媲美的精度(COCO mAP@.5=59.1%, mAP@[.5, .95]=39.1%)。
2.3.5 YOLO v3
?論文鏈接：https://arxiv.org/pdf/1804.02767.pdf
代碼鏈接：https://github.com/ultralytics/yolov3
相比于YOLO v2，YOLO v3將特征提取網絡換成了DarkNet53，對象分類用Logistic取代了Softmax，并借鑒了FPN思想采用三條分支（三個不同尺度/不同感受野的特征圖）去檢測具有不同尺寸的對象。YOLO v3在VOC數(shù)據(jù)集，Titan X上處理608608圖像速度達到20FPS，在COCO的測試數(shù)據(jù)集上mAP@0.5達到57.9%。其精度比SSD高一些，比Faster RCNN相比略有遜色(幾乎持平)，比RetinaNet差，但速度是SSD、RetinaNet和Faster RCNN至少2倍以上。YOLO v3采用MSE作為邊框回歸損失函數(shù)，這使得YOLO v3對目標的定位并不精準，之后出現(xiàn)的IOU，GIOU，DIOU和CIOU等一系列邊框回歸損失大大改善了YOLO v3對目標的定位精度。
2.3.6 YOLO v4
論文鏈接：https://arxiv.org/pdf/2004.10934
代碼鏈接：https://github.com/Tianxiaomo/pytorch-YOLOv4
相比于YOLO v3，YOLO v4在輸入端，引入了Mosaic數(shù)據(jù)增強、cmBN、SAT自對抗訓練；在特征提取網絡上，YOLO v4將各種新的方式結合起來，包括CSPDarknet53，Mish激活函數(shù)，Dropblock；在檢測頭中，引入了SPP模塊，借鑒了FPN+PAN結構；在預測階段，采用了CIOU作為網絡的邊界框損失函數(shù)，同時將NMS換成了DIOU_NMS等等?？傮w來說，YOLO v4具有極大的工程意義，將近年來深度學習領域最新研究的tricks都引入到了YOLO v4做驗證測試，在YOLO v3的基礎上更進一大步。
2.3.7 Anchor-based目標檢測算法局限性
基于Anchor的目標檢測算法主要有以下四大缺點：
（1）Anchor的大小，數(shù)量，長寬比對于檢測性能的影響很大(通過改變這些超參數(shù)Retinanet在COCO benchmark上面提升了4%的AP)，因此Anchor based的檢測性能對于anchor的大小、數(shù)量和長寬比都非常敏感；
（2）這些固定的Anchor極大地損害了檢測器的普適性，導致對于不同任務，其Anchor都必須重新設置大小和長寬比；
（3）為了去匹配真實框，需要生成大量的Anchor，但是大部分的Anchor在訓練時標記為負樣本，所以就造成了樣本極度不均衡問題(沒有充分利用fore-ground)；
（4）在訓練中，網絡需要計算所有Anchor與真實框的IOU，這樣就會消耗大量內存和時間。
