经典的目标检测方法
one-stage 单阶段法：YOLO系列
- one-stage方法：仅使用一个CNN，直接在特征图上预测每个物体的类别和边界框
- 输入图像之后，使用CNN网络提取特征图，不加入任何补充（锚点、锚框），直接输出预测框左上右下角的坐标（回归任务）以及物体的类别（分类任务）
- 即该CNN网络在单次前向传播中，不仅提取特征，还要预测每个物体的类别和边界框
- 优点：速度非常快，适合做实时检测任务
- 缺点：效果通常不会太好
two-stage 两阶段：Faster-RCNN 、 Mask-RCNN系列
- two-stage方法：使用多个网络组件，CNN、RPN等，而CNN仅用来提取特征图，在最后包含全连接层的网络上输出每个物体的类别和边界框
- 一阶段，区域提议：输入图像之后，会先经过CNN网络，生成特征图。在将特征图送入RPN（区域提议网络）生成一系列区域提议（锚框），RPN根据这些锚框，输出这些锚框包含物体的概率（二分类：前景、背景），以及锚框与真实边界框的偏移量，应用该偏移量后得到候选框（提议区域）
- 二阶段，检测：对于每个提议区域（RoI），先将其映射回特征图的对应区域，再使用RoI池化、RoI Align等方法，从特征图对应区域中提取固定尺寸大小的特征，并将这些特征送入检测网络，得到最后选择的候选框中的类别概率（多分类：具体哪一个物体）、从候选框到真实边界框的偏移量。并应用该偏移量后得到最后的预测框。（训练阶段）
- 在测试阶段，由于我们不知道真实框，所以有可能多个预测框检测到同一物体，最后需要使用NMS来过滤这些重复框。最后根据置信度阈值来输出类别、相应置信度得分、以及预测的目标边界框
- 注意，在RPN和测试时的检测阶段都会使用NMS操作：
- 在RPN中，我们先使用NMS来筛选锚框，选择高质量的锚框来进行损失计算，此时虽然使用了NMS，但是不会唯一确定与真实框对应的锚框，反而会选择一个合理数量（例如256个）的锚框，来进行下一步的损失计算
- 在测试时的检测阶段，我们会在得到预测框后，使用NMS来确定唯一对应的预测框，并进行输出
- 但是在训练时的检测阶段，我们不会用NMS来减少预测框，因为我们需要所有预测框对模型训练的贡献
- 注意，虽然在RPN和检测阶段都会使用真实边界框来计算偏移量：
- 但是在RPN中，通过计算真实边界框和锚框的IoU来判断正负样本，以及通过计算正样本的锚框和真实边界框的偏移量，来训练RPN，使它学会如何调整锚框来更好的覆盖真实物体，并应用偏移量后得到候选框。（较为粗略的候选框）
- 在检测阶段中，仍然计算通过计算真实边界框和候选框的IoU，但是得到具体的物体类别，以及通过计算候选框和真实边界框的偏移量，来训练检测网络，使它学会更精细的调整候选框来更好的覆盖该物体，并应用偏移量后得到最后的预测框。（更精细的预测框）
锚点、锚框
- 锚点、锚框作为额外补充的方法，主要用在two-stage的目标检测方法中，但是YOLOV2开始，也使用锚点、锚框来提升模型对不同尺寸和形状的物体的检测能力，但区别于two-stage的方法，YOLO仍然是在单个网络提过程中完成分类和边界框的回归。
- 在RPN（区域提议网络）中，锚点代表潜在的候选区域的中心，也是锚框的中心。
- 每个锚点可以生成多个锚框，而锚框则是作为候选框，用于覆盖图像中可能出现物体的不同位置和形状
- 在Fast R-CNN的RPN中，锚框就被用来预测物体的位置，而RPN会对每个锚框输出两个结果，一个是物体的存在概率，一个是锚框的调整参数（用来接近真实框）
特征图、特征向量
- 特征图是CNN中的概念，它表示输入图像经一系列卷积层、池化层处理后的得到的中间输出结果，特征图通常是三维的数据结构，具体为（高度，宽度，通道数），所以特征图保留了输入图片的位置信息。特征图通常出现在网络的中间层，代表输入数据的中间级特征
- 特征向量是一个一维数组，它表示输入数据经过网络最后几层全连接层的输出，用于描述输入数据的高级抽象特征。特征向量通常出现在网络的最后几层，代表输入数据的高级特征。
