【CV基石】目标检测必读

最新推荐文章于 2024-08-21 21:16:00 发布
最新推荐文章于 2024-08-21 21:16:00 发布
阅读量692 收藏
点赞数
分类专栏： 计算机视觉 文章标签： 目标检测 深度学习 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/AaronYKing/article/details/95041192
版权

arxiv2015_baidu_DenseBox https://zhuanlan.zhihu.com/p/40221183
从结构、原理到实现，Faster R-CNN全解析 https://zhuanlan.zhihu.com/p/32702387
从编程实现角度学习Faster R-CNN https://zhuanlan.zhihu.com/p/32404424
目标检测FPN https://zhuanlan.zhihu.com/p/60340636
从代码细节理解FPN https://zhuanlan.zhihu.com/p/35854548
令人拍案称奇的Mask RCNN https://zhuanlan.zhihu.com/p/37998710
YOLOv3 深入理解 https://www.jianshu.com/p/d13ae1055302
CenterNet: Objects as Points论文解读 https://zhuanlan.zhihu.com/p/66048276

iamrealAI
关注
专栏目录
目标检测YOLO实战应用案例100讲-基于YOLOv5的目标检测与6D位姿估计算法研究
qq_36130719的博客
07-02 2131
目前，机器人在各个领域应用广泛，工厂车间中有工件搬运机器人，医院中有语 音指导机器人，在北京冬奥会上，有做咖啡机器人、防疫机器人等。这些机器人能够 正常运作的关键就是机器视觉技术，它充当着机器人的“眼睛”，通过模拟人体，利用 视觉传感器系统去识别物体的颜色、纹理、位置等信息，然后将这些信息通过算法进 行处理从而实现对目标物体的识别、检测与定位。因此机器视觉的本质就是用机器来 模拟人的视觉感官，去处理事情，使机器更加的智能化、现代化和自动化。
大模型的优势与挑战：机遇与风险并存的未来
程序员光剑
01-28 835
近年来，人工智能技术突飞猛进，以深度学习为代表的算法在图像识别、自然语言处理、机器翻译等领域取得了前所未有的突破。而大模型的出现，则将人工智能推向了新的高度。所谓大模型，是指拥有海量参数的深度学习模型，例如GPT-3、BERT、PaLM等。这些模型通过在海量数据上进行预训练，学习到了丰富的知识和能力，并在各种下游任务中展现出强大的性能。大模型的出现给人工智能领域带来了前所未有的机遇，但也带来了新的挑战。如何更好地理解和利用大模型，发挥其优势，克服其局限性，成为当前人工智能研究和应用的关键问题。
CV学习：目标检测简述
m0_51485946的博客
08-05 621
目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。
CV-目标检测总结
gg13213的博客
11-20 3218
目标检测总结目标检测常用数据集指标 目标检测 论文：A Survey of Modern Deep Learning based Object Detection Models 目标检测：在图像或视频中，找到目标位置并进行分类。其需要识别并定位视野中某个目标的所有实例，即目标检测目的是检测出图像中所有实例的类别，并用一个轴对齐的矩形框大致给出实例的位置。 在早期，目标检测模型是通过集成一系列手工设计的特征提取器来构造的，但这些模型速度慢、精度低、跨域性能差。近年来，基于CNNs的目标检测模型改变了视觉领域的
CV学习笔记5-目标检测
最新发布
08-21 833
目标检测是计算机视觉中的关键任务之一，旨在识别和定位图像中的对象。随着深度学习技术的发展，目标检测方法已经取得了显著的进展，从传统的区域提议方法到基于深度学习的先进模型（如 YOLO、SSD 和 Faster R-CNN），这些方法在不同的应用场景中具有广泛的应用。目标检测（Object Detection）是计算机视觉中的一种任务，旨在识别图像中的特定对象，并确定它们的边界框（bounding box）。目标检测不仅需要识别图像中的物体类别，还需要精确定位这些物体在图像中的位置。
cv-目标检测
qq_44496832的博客
02-07 166
目标检测
CV 面试问题详解--目标检测
m0_61899108的博客
01-18 772
文章来自目标检测方向的一些面试问题，能帮助我们理解目标检测有一定的作用。故转发。 来源于干货 | CV 面试问题详解宝典--目标检测篇 1. 介绍YOLO，并且解释一下YOLO为什么可以这么快？ yolo是单阶段检测算法的开山之作，最初的yolov1是在图像分类网络的基础上直接进行的改进，摒弃了二阶段检测算法中的RPN操作，直接对输入图像进行分类预测和回归，所以它相对于二阶段的目标检测算法而言，速度非常的快，但是精度会低很多；但是在迭代到目前的V4、V5版本后，yolo的精度已经可以媲美甚至超过.
【入门级】如何入门人工智能--这篇文章告诉你答案
weixin_73136678的博客
12-12 984
回到我们文章的正题，实现人工智能（AI）的方法：机器学习、深度学习。
机器学习入门学习资料推荐
AI 算法笔记
04-06 1067
今天介绍一些机器学习的学习资料，主要是分为以下几个方面的内容： 编程语言：实现机器学习，主要是介绍 Python 方面的语言； 书籍：看书通常是入门的一种方法，比较适合自律性强的同学； 视频：入门的第二种方法就是看视频，虽然会比看书慢一些，但是胜在详细，对完全零基础者是非常友好的； 教程：主要是一些教程文章； 博客网站：常去的网站，包括一些大神博客； Github 项目：Github 上的一些项...
算法导论-英文版
09-27
该书不仅是学习数据结构和算法的必读之作，更是深入理解和掌握现代计算机算法设计与分析的基石。 ### 关键知识点解析 #### 1. **算法设计与分析** 《算法导论》全面介绍了计算机算法的现代研究，涵盖了广泛的算法...
CV object detection目标检测近几年论文和模型
10-13
本人对于近几年目标检测方向收集的一些模型和论文，包括有两个源码。yolo v123, RCNN到faster RCNN, SSD, MASK RCNN等
目标检测必看的六篇经典综述文章
09-14
六篇经典的综述介绍目标检测的论文阅读，理解目标检测的相关技术进展以及未来的发展趋势
A Comparison of Super-Resolution and Nearest Neighbors Interpolation Applied to Object Detection
weixin_36670529的博客
09-21 1141
摘要 超分辨率(SR)作为一个成熟的研究课题，已经被应用于图像重建之外的其他领域。特别地，将分类或目标检测任务与超分辨率预处理阶段相结合，在精度上得到了提高，特别是对于相对于场景较小的目标。虽然SR已经显示出了希望，但是还没有研究将SR和最近邻(NN)插值等简单的上标方法作为目标检测的预处理步骤进行比较。将该课题应用于卫星数据，并将多尺度深超分辨率(MDSR)系统与基于xView挑战数据集的神经...
【CV-目标检测】
m0_62571112的博客
05-20 312
简单记录自主学习CV领域的笔记——目标检测
CV-目标检测
AnneQiQi的博客
03-01 263
关于目标检测的博客，有空逐步更新 参考 【1】一文读懂目标检测AI算法：R-CNN，faster R-CNN，yolo，SSD，yoloV2 【2】汇总|目标检测中的数据增强、backbone、head、neck、损失函数
CV综述目标检测整理---目录
weixin_42466194的博客
07-12 1273
CV综述目标检测整理---目录Object detectionyolo系列faster rcnnssd系列轻量级模型mssd...实力分割maskrcnn人脸检测3d目标检测模型训练模型部署 Object detection 目前本人主要研究的深度学习方向. yolo系列 yolov1 链接: link. yolov2 链接: link. yolov3 链接: link. yolov3-tiny 链接: link. yolov4 链接: link. yolov4-tiny 链接: link. yol
【CV第三篇】目标检测风云二十年
qq_37902216的博客
07-22 1272
开篇寄语 气如云气，自我纵横。 天地洞明，万物可兵。
计算机视觉CV目标检测综述
nie1014的博客
12-29 2643
目标检测简述
图像分类到目标检测：计算机视觉任务详解
计算机视觉的目标检测任务是计算机视觉领域的一个重要分支，它扩展了图像分类的基本概念，不仅关注图像内容的分类，还关注对象在图像中的精确位置。本文档从图像分类的基础出发，逐步深入探讨目标检测的概念和技术。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值