上接前面4篇。
下图显示了faster改进版，yolov3，retinnet结果的比较，图来自yolov3论文。
从效果上看：整体上retinanet效果最好，但速度不及yolov3，约为yolov3的3.8倍。yolov3效果不如retinanet的原因可能是：focal loss起作用了；retinanet使用较多的anchor(retinanet每个尺寸的输出使用9个anchor，yolov3每个尺寸的输出使用3个anchor)；retinanet拿到特征进行预测时使用2路输出，1路进行分类，1路进行回归(2路参数多)，而yolov3只使用了1路输出同时分类+回归(1路参数较少)；darknet53和resnet提取特征效果的差异。除了retinanet以外，yolov3在检测小物体时效果最好，检测大物体时效果一般。
从网络结构上看：faster-rcnn只利用了基础网络的最后一层特征。retinanet和yolov3结构设计思路上有共同点，它们都借鉴了其他论文的思维，如特征金字塔(FPN)，多尺寸输出，使用anchor，网络结构全部用卷积。在追求速度上可以使用yolo，在追求效果上可以使用retinanet。
