YOLO SSD FPN Mask-RCNN模型对比

YOLO、SSD、FPN、Mask-RCNN检测模型对比

一．YOLO（you only look once）

YOLO是一种基于回归策略的目标识别技术，区别于传统依赖滑动窗口及区域划分的识别方式，它将目标识别任务视为一个回归问题加以处理。通过单一神经网络结构，直接从整张图像中推导出边界框的坐标信息、框内物体的置信度以及物体所属类别的概率，从而实现端到端的性能优化。

其运行机制如下：

当输入一张图像时，该图像包含N个目标物，每个目标物具有4个坐标参数（x, y, w, h）以及1个类别标签。在神经网络末端会生成一个7x7x30的三维矩阵结构，其中7x7对应原始图像被划分为7x7个网格单元。每个网格单元预测两个边界框，并且30=5+5+20：前5个参数用于表示第一个边界框的坐标与置信度；后5个参数用于表示第二个边界框的坐标与置信度；最后20个参数则代表PASCAL VOC数据集中的20种类别概率。

预测结果与真实标注进行比对时，每个目标物的真实中心点会在原始图像上落在某一网格单元内，并由该网格单元负责检测。若预测结果也落在同一网格单元，则认为该网格存在目标物，并计算预测边界框与真实标注之间的交并比（IoU）作为得分；若未落在同一网格单元，则认为无目标物，得分为零。最终将形成一个20x(7x7x2)=20x98的得分矩阵：其中20行对应20种类别，98列代表整张图输出的所有边