我最近开始研究对象检测算法。而且我通常会遇到具有LeNet或PVA-Net等基础网络的模型，然后是用于检测的其他体系结构或模型。但是我从来不了解这些基础网络和检测网络如何提供帮助，以及如何选择特定模型作为基础或检测网络？
答案 0 :(得分：1)
假设您正在构建用于对象检测的模型。
CNN对象检测模型（为简单起见，让我们选择SSD）可能包含一个基础网络，用于特征提取，而检测模块获取输入特征（从基础网络中提取）以生成包含以下内容的输出：对象类别和检测到的对象的坐标（包括预测框的中心（x，y），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，例如ResNet，VGG等，它们已经在像ImageNet这样的大型数据集上进行了训练，希望基础网络会为检测层提供一组良好的功能（或者至少我们在训练期间不需要调整太多基本网络的参数，这有助于模型很快收敛）。
对于检测模块，这取决于要使用哪种方法，例如，一阶段方法（SSD，RetinaNet，YOLO等）或两阶段方法（Faster R-CNN，Masked R） -CNN等）。这些方法之间在准确性和速度之间进行了权衡，这是您应该选择哪个检测模块的重要指标。