目录
1.ROI pooling 和 ROI align的区别
ROI pooling第一步根据候选区域找特征图的位置，可能不是刚好对应，需要一次量化，如上图所示，第二次是特征图需要转化为特定的大小，这时候pooling可能也不能正好整除，所以第二次量化，这两次量化在像素级的任务上会有很大的误差。而align则不会量化，是直接取小数部分，最后每个格子分四块，求一个maxpooling，这四块区域的特征是通过双线性插值得到的。这样就没有量化导致的较大的损失。
2.YOLO3-YOLO5模型结构与正负样本分配策略
yolov3的网络结构DarkNet53和FPN的结构，多尺度预测，三个不同分辨率的特征图。
yolov5的输入端：mosaic数据增强，将四张图片随即缩放裁剪排布放在一起。
自适应锚框计算：根据不同数据集自适应的得到锚框的大小。
自适应图片缩放：不同分辨率的图片会变为同样的，进行黑边填充
模型端：
首先是FOCUS切片操作，降低计算量。
CSPNet结构：降低计算量，丰富梯度传播，将特征channel分为两份，不同的传播下去。
FPN+PAN的neck结构，相当于又将特征图传播上去了。
使用的CIOU-loss，GIOU-loss加上最大外接矩形，DIOU-loss加入中心点距离，CIOU-loss加入长宽比。
正负样本分配策略
yolov3的话是一个GT只有一个正样本，只在一个分辨率特征图上的一个网格里选择一个anchor为正。剩下的IOU小于阈值为负。
yolov4里面把GT先分到一个分辨率特征图里，每一个特征图分别进行正负样本计算，只要IOU大于阈值，就为正样本。
yolov5里面一个GT分给三个特征图，GT落在一个网格里，再找相近的两个网格，一个GT跟27个anchor匹配，只要宽高比小于阈值就为正。
3.yolov6和yolox
yoloX首先对预测头进行了解耦操作。
yolov6相对于v5加入了结构重参数化的结构，也就是RepVGG思想。在head部分对预测头进行了解耦操作，之前的头都是在一个预测分支上，直接出分类，置信度，物体回归，现在解耦之后用三个分支分别来预测这三个东西，互不干扰，有利于提升指标。不过三个头导致网络计算复杂度提高，作者用1*1先降维，再计算，这样加快运算速度，减少模型大小。
使用anchor-free的head，yolov5使用的基于anchor的方法来预测候选框，而yolox直接在每个位置预测四个参数进行回归，每个GT只分配到一个尺度特征图上，同时只有中心点落到的位置是正样本，这样每个对象只有一个位置来进行预测。这样也加快了推理速度。
如果一个对象只有一个位置预测，会导致正负样本极度不均衡，所以yolox将一个对象附近的样本也作为正样本。减缓正负样本不均衡问题。（借鉴FOCUS中心点采样策略）。
4.sort和deepsort跟踪算法
目标跟踪算法sort，追求快，使用卡尔曼滤波进行目标运动状态估计，使用匈牙利匹配算法进行位置匹配(构建代价矩阵求最小化代价，1-iou)。缺点就是经常出现ID-switch的现象。
deepsort：主要是为了解决sort的ID-switch和遮挡时ID丢失的问题。引入了目标跟踪器的一个网络，也就是ReID的一个模型，将目标检测的候选框输入，然后提取特征，每个特征对应一个ID，把这个特征也融入到匈牙利匹配算法损失矩阵构造中。
对于遮挡丢失ID的问题，引入了级联匹配算法。Tracks分为确认态（confirmed），和不确认态（unconfirmed），新产生的Tracks是不确认态的；不确认态的Tracks必须要和Detections连续匹配一定的次数（默认是3）才可以转化成确认态。确认态的Tracks必须和Detections连续失配一定次数（默认30次），才会被删除。