R-CNN——两阶段，包含Anchor，运行速度较慢

YOLO——单阶段，包含Anchor，运行速度较快

CenterNet——单阶段，关键点表示物体，运行速度较快，超参数较少

Transformer——单阶段，自注意力提取体征，无法达到实时

1.传统物体检测

• 候选窗口

滑动窗口（稠密）

显著性图（稀疏）

• 特征提取

haar特征

HOG特征

• 分类器

AdaBoost

Decision Tree

SVM

问题：针对不同任务，需要手工设计不同的特征，选择不同的分类器

2.自动驾驶感知中应用

场景/光照/天气变化较大

目标种类/形状相对固定，但尺度变化较大

目标在图像中所占比例较小

算法实时性要求较高

1.早期（2013-2014）：传统方法+深度学习

• 候选边框：HOG/Haar+AdaBoost
• 边框分类和修正：CNN
• 可以在比较低算力的嵌入式硬件上实现

2.中期（2014-2015）：完全深度学习

• 端对端的物体检测：Fast R-CNN
• 速度上进行优化：限制输入图像的大小；限制最大的目标个数；优化金字塔的结构；

3.R-CNN算法

R-CNN算法（Region-CNN），第一个成功将深度学习应用到目标检测上的算法

1.R-CNN

• 选择性搜索替代滑动窗口
• 卷积神经网络提取图像特征
• 窗口特征采用SVM进行分类

问题：窗口数目重叠太多，导致特征提取的冗余，影响算法的运行效率（20s）

2.Fast R-CNN

• CNN提取全图的特征，避免冗余计算
• 在候选框中进行ROI Pooling
• 全连接网络进行分类和边框回归

问题：通过选择性搜索来得到候选区域，这个过程依然比较慢

3.Faster R-CNN

• 区域候选网络（RPN）在特诊图的基础上生成候选框
• 其余步骤与Fast R-CNN类似
• Anchor概念的引入：回归任务只用处理比较小的变化
• 第一个端到端的物体检测网络，接近实时（17FPS）

问题：ROI Pooling比较耗时，Anchor的设计需要先验知识

4.Feature Pyramid Network（FPN）

• 特征提取阶段进行优化
• 金字塔结构提取多尺度信息
• 适应不同大小的物体

4.SSD/YOLO(两阶段 - 单阶段)

1.Single Shot MultiBox Detector（SSD）

• 全卷积网络：在所有位置进行分类和回归
• 多分辨率特征图适应不同大小的物体

问题：稠密采样导致正负样本的不平衡，大量负样本会支配损失函数

改进：RetinaNet中的Focal Loss可以更多地关注困难样本

2.You Only Look Once（YOLO）

• V1:卷积全连接提取特征＋全连接层输出物体类别和边框

• V2-V4：增强特征提取网络，采用多尺度特征图，利用Anchor来辅助边框回归

问题：Anchor需要手工设计，Anchor数目较大影响算法速度

5.Keypoint（Anchor-based 到 Anchor-free）

1.CenterNet

• backbone网络结构与R-CNN/YOLO类似
• 不同之处在于head的设计：物体表示中心点，直接回归边框

• 中心点分类：正负样本的生成

• 与ROI Pooling的区别：只采用中心点处的特征
• 与Anchor的区别：直接估计边框参数

问题：中心点处的特征表示性不够

2.FCOS（Fully Convolutional One-Stage Object Dection）

• 在多分辨率的特征图上进行预测

• 在中心点周边选取多个正样本

• 增加了一个Centerness预测分支

2.CornerNet

• Corner Pooling提取特征，预测角点
• 匹配属于同一物体的角点

3.RepPoints

• 物体表示为代表性点集
• 可变性卷积适应物体形状变化
• 点集转换为物体框，计算Loss

6.CenterNet检测结果分析（KITTI数据集）

1.漏检：中心被遮挡

可能的解决方案：

• 增加角点检测来提高对遮挡物体的鲁棒性，比如CornerNet
• 采用语义分割将其检测为一般性的障碍物

2.误捡：物体处于图像边缘，只有部分可见

可能的解决方案：

• 根据多帧的结果进行过滤（物体跟踪）
• 采用双目系统，通过增加信息冗余来过滤

3.漏检：物体距离较远，图像上的尺寸较小

可能的解决方案：

• 增加特征图的分辨率，或者多尺度特征图，比如FPN
• 考虑不同大小的检测框可能出现的区域，并相应调整置信度的阈值

4.漏检：多个目标聚集

可能的解决方案：

• 定义新的目标类别，比如"一组行人"
• 采用语义分割而不是物体检测

5.漏检和误检：数据集中比较少见的目标

可能的解决方案：

• 挖掘“困难数据”，采用类似Boostrap的方式，重新训练模型
• 收集“失败场景”，有针对性的采集类似的数据，迭代模型

7.不同系列物体检测方法对比（KITTI & Waymo）

NN +FPN | 两 | 有 | 86.1% | 62.4% | 7 |
| YOLOv4 | 单 | 有 | 90.1% | 66.8% | 31 |
| CenterNet | 单 | 无 | 86.7% | 64.8% | 28 |