参考文献：yolo-v3和SSD的一些对比
| SSD | YOLOv3 | |
|---|---|---|
| Loss | Softmax loss、Smooth L1 Loss | Logistic loss、回归损失和yolov1类似 |
| Feature extractor | VGG19(有改写) | Darknet-53 |
| Bounding Box Prediction | direct offset with default box | offset with gird cell by sigmoid activation |
| Anchor box | Different scale and aspect ratio | K-means from coco and VOC |
| Small objects | Semantic value for bottom layer is not high. Worse for small objects. | Higher resolution layers have higher semantic values. Better for small objects. |
| Big objects | Better. Feature map rangers from 38 * 38 to 3 * 3 ,1 * 1. | Worse. 13 * 13 feature map is the most coarse-grained. |
| Data Augmentation | different sample IOU crop on original image | randomly put the scaled original image (from 0.25 to 2) on the gray canvas |
| Input | resize original image to fixed size | Random multi-scale input |
- Bounding Box Prediction那里是grid_offset + sigmoid(offset)
- Big Objects 那里是特征图取得shape越小大目标检测越好
- 就单纯从网络来看，darknet在吸收了残差网络的优点之后，应该比vgg能力强一些
- 在anchor boxes方面SSD固定8732个anchor boxes，而 YOLO v3 有52 * 52 * 3的一层 ，而且YOLO v3的输入是300到600间32的倍数,所以就anchor boxes数量来说应该是YOLO v3多
- 速度上来说yolo自己给出的图是比ssd又快又精确，但我有些想不通，可能是因为darknet-53比vgg优秀很多，ssd把vgg网络还改写过(可能是这些原因)
SSD和YOLO可以这么比较，是因为两个算法的步骤已经非常相似了
特征提取 => anchor boxes =>loss
Faster-RCNN
1.在处理feature尺度问题上
Faster-RCNN 用ROI Pooling来统一proposal的尺度
SSD用Multi Layer来考虑各个尺度
YOLO用不同的输入考虑
2.Faster-RCNN多个rpn
这部分是Faster-RCNN的核心部分
3.只提取一个特征层
SSD和YOLOv3都对多个feature map进行提取
4.anchor boxes size取法不同
SSD的anchor boxes是算出来的
Faster-RCNN的是固定的
YOLO是用数据集的gt boxes 通过kmeans算出来的
5.feature extractor
SSD - VGG
YOLO - Darknet
Faster-RCNN - Inception-Resnet v2
注： 其实这些网络可以更改(但不是什么网络都能出结果，看了很多表格SSD+resnet并没有结果)，这里写的是比较常用或者效果比较好的网络
6.Faster-RCNN慢的原因
Faster-RCNN在feature map每个像素点取9个anchor boxes
之后proposal数量