目标检测资料

 

目标检测入门，看这篇就够了 (总结了各个方法的主要流程、相比之前方法的改进和优缺点，R-CNN系列讲解的很不错，YOLO和SSD讲解的不好）

综述：目标检测二十年（2001-2021）

目标检测究竟发展到了什么程度？| 目标检测发展22年 （推荐）

哔哩哔哩：浙江大学-机器学习-目标检测 （推荐）

 

FPN(Feature Pyramid Network)

重读FPN（Feature Pyramid Network） - 知乎 (zhihu.com) (推荐)

FPN —— 特征金字塔 - 知乎 (zhihu.com)

 

理解Selective Search

目标检测评价标准mAP

 

一文读懂Faster RCNN （讲解非常详细）

捋一捋pytorch官方FasterRCNN代码

 

详解R-FCN - 知乎 (zhihu.com) 

Mask R-CNN 论文详解 - 知乎 (zhihu.com)

Sparse R-CNN - 知乎 (zhihu.com)

 

YOLO原理与实现

SSD原理与实现

SSD目标检测 （知乎 白裳）

 

SSD的torchvision版本实现详解

YOLOv2原理与实现(附YOLO9000和YOLOv3)

【精读AI论文】YOLO V3目标检测（附YOLOV3代码复现）bilibili

<机器爱学习>YOLO v3深入理解

YOLO V4 — 网络结构和损失函数解析

深入浅出Yolo系列之Yolov5核心基础知识完整讲解

 

R-CNN series extract region proposals using selective search or RPN in the first stage and classify the objects in these potential regions in the second stage.

 

从YOLO的三代变革中可以看到，在目标检测领域比较好的策略包含：

• 设置先验框
• 采用全卷积做预测
• 采用残差网络
• 采用多尺度特征图做预测

AP50高，说明模型的定位能力有了；AP95低，说明模型的定位能力还不够精准。

 

R-CNN

 

fast R-CNN

backbone: vgg16

 

faster R-CNN

backbone: vgg16

 

YOLO-v1

backbone: GoogleNet

 

 

SSD

 

FPN

FPN(Feature Pyramid Network) 

重读FPN（Feature Pyramid Network） - 知乎 (zhihu.com) (推荐)