One-stage/ Two-stage / Multi-stage 目标检测算法

本文转载自：https://blog.csdn.net/JNingWei/article/details/80039079 感谢原博主整理分享

1.Introduction

Detection主要分为以下三个支系：

2.Detection算法的几个task

(1) 不需要预生成RP时：

• 特征抽取 → 分类 → 定位回归

(2) 有预生成RP时：

• 特征抽取  → 生成RP → 分类 → 定位回归

3. Detection算法的框架套路

（1）multi-stage 算法
最早期的检测算法 (主要为R-CNN、SPPNet) 都属于multi-stage系。这个时候的Selective Serach、Feature extraction、location regressor、cls SVM是分成多个stage来各自单独train的。故谓之曰“multi-stage”：

（2）two-stage 算法
到了Fast R-CNN的时候，Feature extraction、location regressor、cls SVM都被整合到了一个network里面，可以实现这三个task一起train了。由于生成RP的task还需要另外train，故谓之曰“two-stage”：

到了Faster R-CNN中，虽然RPN的出现使得四个task可以一起被train，但是依然被归类为“two-stage”。（这个地方我也不是很理解。）

（3）one-stage 算法
在YOLOv1中，“生成RP”这一任务被直接丢弃了。因此，整个算法只剩下了一个stage，故谓之曰“one-stage”：

参考链接：

[1] 检测任务专题2: two-stage检测
[2] Object Detection–RCNN,SPPNet,Fast RCNN，FasterRCNN论文详解