深度学习中的基础网络和检测网络有什么区别？答案

【问题标题】：What is the difference between a base network and detection network in Deep learning?深度学习中的基础网络和检测网络有什么区别？
【发布时间】：2019-09-18 20:29:59
【问题描述】：

我最近开始研究对象检测算法。我通常会遇到具有 LeNet 或 PVA-Net 等基础网络的模型，然后使用不同的架构或模型进行检测。但我一直不明白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网络或检测网络？

【问题讨论】：

标签： neural-network deep-learning object-detection

【解决方案1】：

假设您正在构建对象检测模型。

一个 CNN 对象检测模型（为简单起见，我们选择 SSD）可能由一个用作特征提取的基础网络组成，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检测到的物体类别和坐标（包括预测框的中心（x，y）、高度（h）和宽度（w））。

对于基础网络，我们通常采用已经在ImageNet等大型数据集上训练的预训练网络，如ResNet、VGG等，希望基础网络能够产生一组好的检测层的特征（或者至少我们不需要在训练期间对基础网络的参数进行太多调整，这有助于模型很快收敛）。

对于检测模块，这取决于您要使用哪种方法，例如，一阶段方法（SSD、RetinaNet、YOLO 等）或二阶段方法（Faster R-CNN、Masked R -CNN 等）。这些方法的准确性和速度之间存在权衡，这是您应该选择哪个检测模块的重要指标。

【讨论】：