目標檢測可以理解為是物體識別和物體定位的綜合，不僅僅要識別出物體屬于哪個分類，更重要的是得標記處物體在圖片中的具體位置。
目標檢測目前使用兩類方法： one-stage 、 two-stage

one-stage檢測器的大致發展路線：

1.SSD(2015)->RetinaNet(2017)-NAS-FPN(2019.05)->EfficientDet(2019.11)2.Yolo v1->Yolo v2->Yolo v3->Yolo v4

two-stage檢測器的大致發展路線：

1.R-CNN(2013)->Fast R-CNN(2015)->Faster R-CNN(2015)->Mask R-CNN(2017)->DCN v1(2017)->DCN v2(2018)

它們的主要區別

1.one-stage網絡速度要快很多
2.two-stage網絡準確率高

one-stage

one-stage目標檢測算法（也稱one-shot object detectors），其特點是一步到位，速度相對較快。one-stage檢測方法，僅僅需要送入網絡 一次就可以預測出所有的邊界框，因而速度較快，非常適合移動端。最典型的one-stage檢測算法包括YOLO系列，SSD。

two-stage

two-stage檢測算法將檢測問題劃分為兩個階段，首先產生候選區域（region proposals），然后對候選區域分類（一般還需要對位置精修），這一類的典型代表是R-CNN, Fast R-CNN, Faster R-CNN，Mask R-CNN家族。他們識別錯誤率低，漏識別率也較低，但速度較慢，不能滿足實時檢測場景。

速度快慢總結

首先來看第一點這個好理解，one-stage網絡生成的ancor框只是一個邏輯結構，或者只是一個數據塊，只需要對這個數據塊進行分類和回歸就可以，不會像two-stage網絡那樣，生成的 ancor框會映射到feature map的區域（rcnn除外），然后將該區域重新輸入到全連接層進行分類和回歸，每個ancor映射的區域都要進行這樣的分類和回歸，所以它非常耗時。

為什么two-stage網絡更準確----正負樣本不均衡問題

我們來看rcnn，它是首先在原圖上生成若干個候選區域，這個候選區域表示可能會是目標的候選區域，注意，這樣的候選區域肯定不會特別多，假如我一張圖像是100x100的，它可能會生成2000個候選框，然后再把這些候選框送到分類和回歸網絡中進行分類和回歸，fast-rcnn其實差不多，只不過它不是最開始將原圖的這些候選區域送到網絡中，而是在最后一個feature map將這個候選區域提出來，進行分類和回歸，它可能最終進行分類和回歸的候選區域也只有2000多個并不多，再來看faster-rcnn，雖然faster-rcnn它最終一個feature map它是每個像素點產生9個ancor，那么100x100假如到最終的feature map變成了26x26了，那么生成的ancor就是26x26x9 = 6084個，雖然看似很多，但是其實它在rpn網絡結束后，它會不斷的篩選留下2000多個，然后再從2000多個中篩選留下300多個，然后再將這300多個候選區域送到最終的分類和回歸網絡中進行訓練，所以不管是rcnn還是fast-rcnn還是faster-rcnn，它們最終進行訓練的ancor其實并不多，幾百到幾千，不會存在特別嚴重的正負樣本不均衡問題，但是我們再來看yolo系列網絡，就拿yolo3來說吧，它有三種尺度，13x13，26x26，52x52，每種尺度的每個像素點生成三種ancor，那么它最終生成的ancor數目就是(13x13+26x26+52x52)*3 = 10647個ancor，而真正負責預測的可能每種尺度的就那么幾個，假如一張圖片有3個目標，那么每種尺度有三個ancor負責預測，那么10647個ancor中總共也只有9個ancor負責預測，也就是正樣本，其余的10638個ancor都是背景ancor，這存在一個嚴重的正負樣本失衡問題，雖然位置損失，類別損失，這10638個ancor不需要參與，但是目標置信度損失，背景ancor參與了，因為總的損失 = 位置損失 + 目標置信度損失 + 類別損失，所以背景ancor對總的損失有了很大的貢獻，但是我們其實不希望這樣的，我們更希望的是非背景的ancor對總的損失貢獻大一些，這樣不利于正常負責預測ancor的學習，而two-stage網絡就不存在這樣的問題，two-stage網絡最終參與訓練的或者計算損失的也只有2000個或者300個，它不會有多大的樣本不均衡問題，不管是正樣本還是負樣本對損失的貢獻幾乎都差不多，所以網絡會更有利于負責預測ancor的學習，所以它最終的準確性肯定要高些

準確度總結：

one-stage網絡最終學習的ancor有很多，但是只有少數ancor對最終網絡的學習是有利的，而大部分ancor對最終網絡的學習都是不利的，這部分的ancor很大程度上影響了整個網絡的學習，拉低了整體的準確率；而two-stage網絡最終學習的ancor雖然不多，但是背景ancor也就是對網絡學習不利的ancor也不會特別多，它雖然也能影響整體的準確率，但是肯定沒有one-stage影響得那么嚴重，所以它的準確率比one-stage肯定要高。
我實際項目中，發現yolo v4 的速度和準確度都比 faster-rcnn 高，當然 faster-RCNN時間比較久了，算法上后期又有很多的更新，暫時未進行比較。不過這些都是一些基本理論，技術還在發展，是用one好還是two好，不是一句話就能說清楚的，根據自己的實際項目來吧。多測試出奇跡。

那么什么情況下背景ancor不會拉低這個準確率呢？

那你就要設置閥值，與真實grundTtruth iou閥值設得小一點，只要大于這個閥值，我就認為你是非背景ancor（注意這部分ancor只負責計算目標置信度損失，而位置、類別損失仍然還是那幾個負責預測的ancor來負責）或者假如一個圖片上有非常多的位置都是目標，這樣很多ancor都不是背景ancor；總之保證背景ancor和非背景ancor比例差不多，那樣可能就不會拉低這個準確率，但是只要它們比例相差比較大，那么就會拉低這個準確率，只是不同的比例，拉低的程度不同而已

總結

以上是生活随笔為你收集整理的one-stage two-stage 的区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。