我院新闻
深度学习经典检测算法--单阶段、两阶段区别
发布时间:2024-01-14

 需要做一个检测任务

有的算法是分两个阶段的,有的算法是只有一个阶段


  • 让我们先来看看单阶段的算法

 现在我们需要做一个猫咪的物体检测,输入一张图像有猫,输出的图像猫身上带了一个框

这个结果,框,我们只需要得到框的四个顶点坐标就可以实现

这就是一个很普通的回归任务

单阶段,一个CNN网络直接做回归,不需要加入其它补充。

经典算法:

YOLOhttps://baijiahao.baidu.com/s?id=1664853943386329436&wfr=spider&for=pc


 

  • 两阶段的算法

 输入一张猫咪图像,检测结果是猫咪身上带框的图像

检测结果没有变

但是在检测过程中加入了一些步骤。

加入了一个RPN 区域候选网络

什么是RPNhttps://blog.csdn.net/fenglepeng/article/details/117898968

 为了得到最终的结果,在过程中,先进行了一步预选,预选之后,再通过预选结果得到最终结果

对比单阶段来说,双阶段是不是过程更加复杂了呢,

复杂带来的收益,双阶段最终结果会比单阶段直接选择的结果更加准确。

经典算法:

Faster-RCNNhttps://blog.csdn.net/weixin_42310154/article/details/119889682

Mask-RCNN  https://blog.csdn.net/remanented/article/details/79564045

那么单阶段和两阶段算法,怎么选择的问题,是需要根据任务精度以及速度要求来决定的。


  • 优缺点对比 

  • 单阶段
  • 最核心优点:速度非常快
  • 速度快带来的应用,基于视频去检测时,速度快,所能带来的FPS值更高,能做实时检测
  • 相对Mask-RCNN ,只有5帧,在所实时任务存在困难。
  • YOLO的FPS最高能达到200
  • mAP值简单来说就是综合衡量算法效果的一个指标
  •  mAP值是什么https://blog.csdn.net/bestrivern/article/details/98482493


  • 两阶段算法 

 


 

 

交集: 

并集; 

  • 精度(precision)和召回率(recall)指标

  • 召回率又名查全率

TP做对了的判断,正确的判断成正例

FP做错了的判断,错误的判断成正例

FN错误的判断成负例

TN正确的判断成负例 


  • 置信度

 

  •  PR图

 mAP值,下方所围成的面积

 

 

 

 

[返回上级]