跳转至

检测模型

模型概览

目标检测模型

下面几个模型是比较经典的检测模型:

  • 【1】SSD 2015——经典的 OneStage 模型
  • 【2】Faster R-CNN 2015——经典的 TwoStage 模型
  • 【3】YOLO v3 2018——速度较快的检测模型
  • 【4】CenterNet 2019——AnchorFree 模型
  • 【5】DETR 2020——使用 Transformer 做检测任务的模型
  • 【6】YOLO v5 2020——速度较快的检测模型

它们在 COCO2017 上的分数如下:

实例分割模型

下面几个模型是比较经典的实例分割模型:

  • 【1】Mask R-CNN 2017——现代化的实例分割模型
  • 【2】Cascade Mask R-CNN 2019——级联的 Mask R-CNN
  • 【3】QueryInst 2021——目前排行榜第 10 名
  • 【4】SwinV2 2021——目前排行榜第 1 名

它们在 COCO2017 上的分数如下:

具体模型介绍

SSD 2015

SSD: Single Shot MultiBox Detector

SSD 是 OneStage 的模型,因为没有 RPN、ROI 等操作,所以速度会快很多,代价在于精度有所降低。

YOLO 与 SSD 的结构也是类似的,不过一代的 YOLO 没有使用中间层的特征。

模型结构如下:

YOLOv5 2022

YOLOv5 仍然是属于 OneStage 模型,对结构进行了许多优化,降低了计算量。各种数据增强方法也提高了模型的精度。

Faster R-CNN 2015

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

Faster R-CNN 是最经典的 TwoStage 模型。 使用 RPN 提取出可能是物体的区域,然后使用 ROI Pooling 抓出局部特征, 再使用分类和回归将类别和框的位置计算出来。

下图就是 FPN 结构的示意:

下图是检测头的结构:

DETR 2020

End-to-End Object Detection with Transformers

DETR 仍然是使用 CNN 提取特征,不过没有使用传统的 RPN 和检测 Head,因此也没有 Anchor,使用了 Transformer 直接检测物体。

DETR 结构:

Transformer 结构:

Multi-Head Attention 结构:

Attention 结构:

Mask R-CNN 2017

Mask R-CNN

经典的 TwoStage 模型,检测部分和 Faster R-CNN 一样,先提取可能是物体的部分,然后再提取这部分区域的特征计算类别和框,但是多了一个 Mask 分支,用于逐像素分类,计算该物体的 Mask。

Cascade Mask R-CNN 2019

Cascade R-CNN: High Quality Object Detection and Instance Segmentation

将模型的结果再输入到新的模型里做精调,反复几次,这样可以提升模型的准确率,但是也会增加计算量。

模型可视化对比

为了综合评价各个模型的能力,我们使用各个模型对下图进行了推断和可视化:

模型名称 年份 bbox mAP 可视化图
SSD Lite MobileNetV2 2015 21.3
YOLOv3 2018 33.7
YOLOv5s 2022 37.4
YOLOv5x6 2022 55.0
Faster R-CNN R50 2015 40.3
Mask R-CNN R50 2017 40.9
Cascade Mask R-CNN R50 2019 44.3
DETR R50 2020 40.1
Mask2Former R50 2021 44.8
Swin R50 2021 46.0
QueryInst R50 2021 47.5

可以看到,不是 mAP 分数更高的模型就更准,目前基于 Anchor 的模型依然具备极大的优势。

Back to top