# Fast object detection and small object detection 快速物件偵測與小物件偵測
# Comparison
本文針對SSD,Faster R-CNN,R-FCN進行比較，總體來說可以觀察出SSD和R-FCN的模型速度會比較快，Faster R-CNN的速度會比較慢，但準確率較高，但若限制Proposals的數量，則Faster R-CNN也可以達到相同的速度且準確率較好，但也不是說Faster R-CNN就一定比較好，還是要依據應用的需求去選擇最佳的組合。
另外特徵的好壞影響很大，單看不同特徵的好壞不看演算法，可以看出inception Resnet V2效果最佳，而VGG-16和MobileNet效果最差。
而換個角度看，不同Proposals的數量對準確率和速度的關係，由下圖可以觀察出inception Resnet V2在不管Proposals是300還是10的時候都有較好的準確度。
而實際將Faster R-CNN，SSD和YOLO應用在日照充足、下雨天、晚上和高速行駛的車輛上，可以觀察出Faster R-CNN對於日照充足的街景來看可以連模糊的人影和重疊的物件都辨識出來，YOLO雖然在重疊和模糊的人影這方面沒有像Faster R-CNN一樣好，但一樣能辨識出來，而SSD則是最差的，只能辨識出幾個主要的物件，而在高速行駛的狀況下，Faster R-CNN可以連對向車道的車子都辨識出來，YOLO則是可以辨識出離自己更遠的車體，而SSD則都無法，只能辨識出車輛附近的車體，在夜間偵測的部分Faster R-CNN和YOLO都能辨識出大部分的物件，而SSD的效果和兩者間差距頗大，連路上的摩托車都偵測不太到，在下雨天的部分因雜訊較多所以整體看起來差不多，但SSD和兩者間依然是存在著差距。