深度学习中的基础网络和检测网络之间有什么区别？

Question

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？

Answer 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，我们选择SSD）可能由一个基础网络组成，该基础网络用作特征提取，而检测模块获取输入特征（从该基础网络中提取）以生成包含对象类的输出，以及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（如ResNet ， VGG等），它们已经在大型数据集（如ImageNet进行了训练，希望基础网络能够为检测层提供一套好的功能（或者至少我们不需要在训练期间调整太多基础网络的参数，这有助于模型快速收敛。

对于检测模块，取决于您要使用哪种方法，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。