OverFeat

  • 提出将图像分类，目标检测分割等任务使用同一套网络做特征提取的思想，前面的几层网络特征抽取层可以公用，只需要改动最后面几层输出层即可，为后来很多的目标检测算法提供了改进思路

    SSD

FPN

R-FCN: Object Detection via Region-based Fully Convolutional Networks

  • 概述
    R-FCN 提出了position-sensitive score maps去解决平移不变性，而且可以轻易为R-FCN替换各种全卷积特征抽取网络(如ResNet等)，相比较Faster R-CNN系列，能够共享更多的运算，提升速度。

-w727

RetinaNet

  • 主要贡献在于提出 Focal Loss，解决了类别不均衡问题(主要包括平衡easy sample 和 hard sample，以及True sample 和 False sample的权重)提高精度，解决了One-stage detector 精度不如 Two-stage detector的问题.

SPPNet

  • 首次提出使用roi pooling层，使得不同size的feature池化成统一scale，这样就不用再输入图片时进行resize处理了