关于
- 个人微信公众号： Mn2+
- 个人博客首页
- 注：学习交流使用！
- 本文简介：Object Detection结构组成
正文
1、目标检测的核心组成
目标检测的结构可以分成三个部分：Backbone、Neck、Head。
（1）Backbone
①Backbone（主干网络）。既然说他是网络，Backbone充当了整个目标检测网络的一部分。Backbone在整个目标检测网络当中指的是特征提取网络，其作用是提取图片当中的特征信息。在CV领域，使用卷积神经网络(CNN)来提取所输入的图片的特征，提取彼此之间的共同点，通过不断地卷积，缩小特征图尺寸，从而找到最核心的部分。
②常用的Backbone主要有：
- 提取能力强：VGG、ResNet（ResNet18，50，100）、ResNeXt、DenseNet等
- 轻量：MobileNet、GhostNet、VoVNet、ShuffleNet、ThunderNet等
（2）Neck
①Neck（颈部）。Neck是目标检测框架中承上启下的关键环节。Neck在目标检测网络主要是把Backbone提取的特征进行融合，使得网络学习到的特征更具备多样性，提高检测网络的性能。更好地融合/提取Backbone所给出的feature，然后再交由后续的Head去检测，从而提高网络的性能。
它对Backbone提取到的重要特征进行再加工及合理利用，有利于下一步Head的具体任务学习，如分类、回归、keypoint、instance mask等常见的任务。Neck放在backbone和head之间的，是为了更好的利用backbone提取的特征。 像是最著名的FPN——《Feature Pyramid NetworksforObject Detection》 提出的FPN结构，将不同尺度的特征进行融合，充分利用Backbone提取的特征信息。
②常用的Neck主要有：
- Additional blocks：SPP、ASPP、RFB、SAM
- Path-aggregation blocks：FPN、PAN、NAS-FPN、Fully-connected FPN、BiFPN、ASFF、SFAM、NAS-FPN
（3）Head
①Head（头部）。在目标检测网络中一般叫做检测头。Head是获取网络输出内容的网络，利用之前提取的特征，Head利用这些特征，做出预测。Head可以理解为是根据Backbone提取出来的特征，从这些特征中预测目标的位置和类别。目标检测除了识别出物体的类别，更重要的是还要对物体进行定位，主要作用是定位和分类。
②常用的Head主要有：
- Dense Prediction (one-stage)：RPN、SSD、YOLO、RetinaNet(anchor based)、CornerNet、CenterNet、MatrixNet、FCOS(anchor free)
- Sparse Prediction (two-stage)：Faster R-CNN、R-FCN、Mask RCNN (anchor based)、RepPoints(anchor free)
（4）总结
通过对目标检测各个组成部分的介绍和描述。一个目标检测网络的组成可以由一个公式来描述
Detector = Backbone + Neck + Head
其中
- Backbone：提取基础特征网络
- Neck：提出一个好的结构或模块，更好适应 feature
- Head：分类+定位
备注：基于transformer结构的新的目标检测范式（有兴趣学习一下）
关注
个人微信公众号：Mn2+
哔哩哔哩：不爱码字的小懒马儿
