Neural network 在深度学习中，基础网络和检测网络的区别是什么？_Neural Network_Deep Learning_Object Detection

Neural network 在深度学习中，基础网络和检测网络的区别是什么？

neural-network deep-learning

Neural network 在深度学习中，基础网络和检测网络的区别是什么？,neural-network,deep-learning,object-detection,Neural Network,Deep Learning,Object Detection,我最近开始研究目标检测算法。我通常会遇到一些模型，它们有一个基本网络，如LeNet或PVA网络，然后是一个不同的检测架构或模型。但我始终不明白这些基本网络和检测网络是如何起作用的，以及如何选择一个特定的模型作为基本网络或检测网络？假设您正在构建一个对象检测模型 CNN对象检测模型（为简单起见，让我们选择SSD）可能由用作特征提取的基本网络组成，而检测模块获取输入特征（从基本网络提取）以生成包含对象类和检测对象坐标（包括中心（x，y））的输出，预测框的高度（h）和宽度（w）对于基础网络，我们通常

我最近开始研究目标检测算法。我通常会遇到一些模型，它们有一个基本网络，如LeNet或PVA网络，然后是一个不同的检测架构或模型。但我始终不明白这些基本网络和检测网络是如何起作用的，以及如何选择一个特定的模型作为基本网络或检测网络？

假设您正在构建一个对象检测模型

CNN对象检测模型（为简单起见，让我们选择SSD）可能由用作特征提取的基本网络组成，而检测模块获取输入特征（从基本网络提取）以生成包含对象类和检测对象坐标（包括中心（x，y））的输出，预测框的高度（h）和宽度（w）

对于基础网络，我们通常采用预先训练的网络，如

ResNet

，

VGG

等，这些网络已经在

ImageNet

等大型数据集上训练过，希望基础网络能够为检测层产生一组良好的特性（或者至少我们不需要在训练过程中调整太多基础网络的参数，这有助于模型很快收敛）

对于检测模块，这取决于您想要使用哪种方法，例如，单阶段方法（SSD、视网膜网、YLO等）或两阶段方法（更快的R-CNN、掩蔽的R-CNN等）。在这些方法中，准确度和速度之间存在权衡，这是您应该选择哪个检测模块的一个重要指标