当前，对于检测（定位+识别任务），我们在计算机视觉中主要使用深度学习算法。存在两种类型的检测器：
在非常小的物体（例如10个像素）上使用这些检测器是一项非常具有挑战性的任务，似乎一级算法比二级算法更糟糕。但是我真的不明白为什么在例如Faster RCNN上它会更好。实际上，一级和二级检测器都使用了锚点概念，并且大多数都使用相同的主干，例如VGG16或resnet50 / resnet101。这意味着感受野是相同的。例如，我试图在视网膜网和更快的RCNN上检测到非常小的物体。在视网膜网上，与更快的rcnn相反，未检测到小物体。我不懂为什么。理论上的解释是什么？ （相同的主干网：resnet50）
答案 0 :(得分：1)
我认为在诸如retinaNet之类的一般网络中，我们试图弥合您提到的差距。通常，在一个阶段的网络中，我们将在Backbone网络生成的特征图中拥有不同比例的锚点框，这些特征图是由重心向下生成的对输入图像进行采样时，执行此操作时可能会丢失许多有关小物体的信息。对于一级检测器，情况就是这样；由于RPN网络的灵活性，在两级检测器中，RPN网络可能仍会建议体积较小，这可能会使其性能优于一级竞争对手。
对于这两个网络都可能使用相同的主干，我不感到惊讶，在提取转换功能后，两个网络都使用不同的方法进行检测。
希望这会有所帮助，如果我不够清楚，或者您有任何疑问，请告诉我。