基本同意。要说明这个问题主要从感受野的角度去看,one stage的方法,对于SSD,其采取多个特征图进行分类,但由于依赖网络中比较深的层(特征层),感受野很大,因而小物体检测不准确。同样,对于YOLO,由于在方法设计中就把原图分块,即设定了最后用于判断的特征图尺寸,其感受野也很大,因而对小物体判断也不准确。相对于one stage方法要求同时分离前景和背景以及做出分类,two stage 的方法由于proposal的存在可以先用简单的结构分出前景和背景(此时感受野小,特征图分辨率高),再通过深层网络做进一步分类和精修,提高准确度。One stage的方法也有针对这个问题进行过优化,SSD增加