《YOLOv4: Optimal Speed and Accuracy of O

【《YOLOv4: Optimal Speed and Accuracy of O】[28, 66, 27, 74], or[97, 53].对于头部部分，通常分为两类，即一级对象检测器和二级对象检测器。最具代表性的两级物体检测器是R-CNN [19] 系列,包括fast R-CNN [18],R-CNN [64], R-FCN [9],and Libra R-CNN [58].还可以使两级物体检测器成为没有锚点对象检测器，如[87] 。对于一级对象检测器，最具代表性的模型是YOLO[61,62,63]、SSD[50]和 [45] 。近年来，无锚点一级目标探测器正在发展。这类检测器有 [13],[37, 38], FCOS [78],等。近年来发展起来的对象检测器在骨干和头部之间插入一些层，这些层通常用于收集不同阶段的特征图。我们可以称之为物体探测器的颈部。通常颈部由几条自下而上的路径和几条自上而下的路径组成。有此机制的网络包括特征金字塔网络(FPN)[44]、路径聚合网络(PAN)[49]、BiFPN[77]和NAS-FPN[17] 。除了上述模型外，一些研究人员还强调直接为物体检测器构建一个新的骨干([43]，Det NAS[7])或一个新的整体模型(Spine Net[12]，[20]。