主体检测技术是目前应用非常广泛的一种检测技术，它指的是检测出图片中一个或者多个主体的坐标位置，然后将图像中的对应区域裁剪下来，进行识别，从而完成整个识别过程。主体检测是识别任务的前序步骤，可以有效提升识别精度。
本部分主要从数据集、模型训练2个方面对该部分内容进行介绍。
在PaddleClas的识别任务中，训练主体检测模型时主要用到了以下几个数据集。
| 数据集 | 数据量 | 主体检测任务中使用的数据量 | 场景 | 数据集地址 |
|---|---|---|---|---|
| Objects365 | 170W | 6k | 通用场景 | 地址 |
| COCO2017 | 12W | 5k | 通用场景 | 地址 |
| iCartoonFace | 2k | 2k | 动漫人脸检测 | 地址 |
| LogoDet-3k | 3k | 2k | Logo检测 | 地址 |
| RPC | 3k | 3k | 商品检测 | 地址 |
在实际训练的过程中，将所有数据集混合在一起。由于是主体检测，这里将所有标注出的检测框对应的类别都修改为"前景"的类别，最终融合的数据集中只包含1个类别，即前景。
目标检测方法种类繁多，比较常用的有两阶段检测器（如FasterRCNN系列等）；单阶段检测器（如YOLO、SSD等）；anchor-free检测器（如FCOS等）。
PP-YOLO由PaddleDetection提出，从骨干网络、数据增广、正则化策略、损失函数、后处理等多个角度对yolov3模型进行深度优化，最终在"速度-精度"方面达到了业界领先的水平。具体地，优化的策略如下。
- 更优的骨干网络: ResNet50vd-DCN
- 更大的训练batch size: 8 GPUs，每GPU batch_size=24，对应调整学习率和迭代轮数
- Drop Block
- Exponential Moving Average
- IoU Loss
- Grid Sensitive
- Matrix NMS
- CoordConv
- Spatial Pyramid Pooling
- 更优的预训练模型
更多关于PP-YOLO的详细介绍可以参考：PP-YOLO 模型
在主体检测任务中，为了保证检测效果，我们使用ResNet50vd-DCN的骨干网络，使用配置文件ppyolov2_r50vd_dcn_365e_coco.yml，更换为自定义的主体检测数据集，进行训练，最终得到检测模型。 主体检测模型的inference模型下载地址为：链接。