检测范式：系统性对比
本章对三大检测范式提供统一对比：锚框式、无锚框式和基于 Transformer 的方法。
历史脉络
2014 ────────────────────────────────────────────────────── 2024
锚框式 无锚框式 基于 Transformer
────── ──────── ────────────────
Faster R-CNN (2015) CenterNet (2019) DETR (2020)
SSD (2016) FCOS (2019) Deformable DETR
YOLOv2-v5 (2017-2020) YOLOv8 (2023) DINO (2022)
RetinaNet (2017) RTMDet (2022) Co-DETR (2023)定量对比
COCO val2017 mAP
| 模型 | 范式 | mAP | FPS (V100) | 参数量 |
|---|---|---|---|---|
| YOLOv5l | 锚框式 | 49.0 | 50 | 46.5M |
| YOLOv8l | 无锚框式 | 52.9 | 30 | 43.7M |
| DETR-R101 | Transformer | 43.5 | 10 | 60M |
| DINO-R50 | Transformer | 50.4 | 12 | 47M |
何时选择哪种范式
锚框式（YOLOv5）
- 需要最大推理速度
- 目标长宽比一致
- 需要成熟工具和文档
无锚框式（YOLOv8）
- 目标长宽比多样
- 希望更少超参数
- 正在启动新项目（推荐默认选择）
Transformer（DETR）
- 检测大型、分布均匀的目标
- 需要全局上下文推理
- 进行检测研究
参考文献
- Ren, S., et al. "Faster R-CNN." NeurIPS 2015.
- Carion, N., et al. "End-to-End Object Detection with Transformers." ECCV 2020.