独家总结 | 2020基于深度学习的目标检测-Part 1

最新推荐文章于 2023-04-16 11:43:13 发布
最新推荐文章于 2023-04-16 11:43:13 发布
阅读量448 收藏 1
点赞数 1
分类专栏： Deep Learning Paper Reading 图像处理 文章标签： 深度学习 人工智能 图像识别 大数据
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/Cai_deLong/article/details/108193896
版权
本文详述了目标检测在计算机视觉中的重要地位，分析了深度学习前后的检测流程，强调了深度学习对目标检测的变革，尤其是Faster R-CNN和SSD等里程碑算法的影响，并探讨了一步法和两步法检测器的效率与精度权衡。
摘要由CSDN通过智能技术生成

这篇文章是关于物体识别领域的一篇综述类文章，首先由于目标检测是在计算机视觉和数字图像处理的热门方向，在诸多领域得到广泛应用。特别地阅读总结下这篇文章；二来，之所以选择这篇文章，是由于它的时间较近较新并且是由IEEE Fellow发表的文章，可见其权威性。

除此之外，还有三篇综述论文是和此篇一起找到的发表日期相近，其中有些内容也穿插在里面。

文章结构框架，主要内容

目标检测是计算机视觉和数字图像处理的一个热门方向，目标检测也就成为了近年来理论和应用的研究热点，直观的从数据上看.

下图是作者在谷歌学术检索目标检测相关关键字返回的历年文献数量，可见该领域20年来越来越受到学术界的关注。2018年有将近1200篇相关文献发表。

什么是目标检测，它和常听到的实例分割、语义分割有什么区别？

最低0.47元/天 解锁文章
Channon_
关注
专栏目录
CVPR2021|基于分类深度分布网络的单目3D物体检测
3D视觉工坊
03-25 750
1.要解决的问题单目3D物体检测核心问题是如何准确估计物体的深度信息。已有方法尝试显式地或隐式地学习深度信息。显式地学习存在的问题：1：深度估计的过度置信。一些方法[14,38,39,62...
YOLOv8改进 | 检测头篇 | 利用DySnakeConv改进检测头专用于分割的检测头（全网独家首发，Seg）
最新发布
Snu77的博客
01-12 2244
本文给大家带来的改进机制是一种我进行优化的专用于分割的检测头，在分割的过程中，最困难的无非就是边缘的检测头，动态蛇形卷积（Dynamic Snake Convolution）通过自适应地聚焦于细长和迂回的局部结构，准确地捕捉管状结构的特征。这种卷积方法的核心思想是，通过动态形状的卷积核来增强感知能力，针对管状结构的特征提取进行优化，所以将这个卷积针对于YOLOv8的分割头进行融合是非常合适的，当然本文的检测头以支持用于目标检测，但是我将其设计出来是主要为了分割的读者使用的。
基于深度学习的目标检测算法调研
和而不流
11-12 1959
文章目录0 目标检测的任务概述1 基于深度学习的「目标检测」算法1.1 两刀流 R-CNN1.1.1 R-CNN / 20131.1.2 SPP Net / 20141.1.3 Fast R-CNN / 20151.1.4 Faster R-CNN / 20151.1.5 Mask R-CNN / 20171.1.6 二刀流小结1.2 一刀流 YOLO1.2.1 YOLO / 20151.2.2 ...
独家总结 | 2020基于深度学习的目标检测-Part 3
Cai_deLong的博客
08-28 159
数据集和基准 检测目标必须声明目标属于指定的类并在图像中对其进行本地化。 目标的定位通常由一个包围框表示。使用具有挑战性的数据集作为基准在许多研究领域都具有重要意义，因为它们能够在不同算法之间进行标准比较，并为解决方案设定目标。 早期的算法侧重于使用各种特殊数据集的人脸检测。 后来，更现实和更具挑战性的人脸检测数据集被创建。另一个流行的挑战是检测已经为其创建了多个数据集的行人。 Caltech行人数据集包含35万个带边框的带标记实例。PASCAL VOC、MS COCO、ImageNet-loc等
DAY5 深度学习之目标检测-两阶段方法
qq_41034212的博客
09-20 667
DAY5 深度学习之目标检测-两阶段方法目标检测概述一、深度学习下的目标检测总结 目标检测概述 目标检测：在给定的图片中精确找到物体所在位置，并标注出物体的类别。 问题难点：物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多个类别。 一、深度学习下的目标检测 IOU： IOU=(A∩B)/(A∪B)，IOU用来衡量真实标注和预测结果的重合程度。 非极大值抑制（NMS）： 首先，将同一类的所有的检测框，按照分类置信度排序。然后将与分类置信度最高的检测框的
【目标检测】算法 发展脉络 (Detection-Timeline)
JNing
04-23 1669
【目标检测】算法 发展脉络 (Detection-Timeline)
目标检测算法回顾之发展概览
xiaobaizaza_Ry的博客
05-23 7538
目标检测算法的发展时间线发展历史轴（时间轴线图）算法方法概览（思维导图） 发展历史轴（时间轴线图）
独家总结 | 2020基于深度学习的目标检测-Part 2
Cai_deLong的博客
08-28 200
Two-stage & One-stage Detectors. 1 Introduction Anchor-free AutoML 自动机器学习 两大重要研究方向。 后面将介绍， 自动机器学习（AutoML）是将机器学习应用于现实问题的端到端流程自动化的过程。 机器学习的应用需要大量的人工干预，这些人工干预表现在：特征提取、模型选择、参数调节等机器学习的各个方面。AutoML视图将这些与特征、模型、优化、评价有关的重要步骤进行自动化地学习，使得机器学习模型无需人工干预即可被..
汇总|基于激光雷达的3D目标检测开源项目&数据集
3D视觉工坊
08-12 1997
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达前言这一片文章主要介绍目前3D目标检测的一些比较重要的数据集合在github上比较好用的3D目标检测项目。包含了最火最热的KITTI...
adaboost算法的matlab代码
04-03
一个基于adaboost算法的目标识别程序，内容很详细，包括弱分类器的训练和测试，matlab代码
一份Slide两张表格带你快速了解目标检测
我爱计算机视觉
06-18 572
关注公众号，发现CV技术之美目录P1:目标检测的需求与应用P2:目标检测的相关定义2.1 目标检测的定义2.2 目标检测的核心问题2.3 理想检测器的条件2.4 从两个要求看关键挑战从精度角度看挑战从效率角度看挑战一个挑战解决方法的例子2.5 目标检测损失函数的发展概述IOU的发展变化2.6 评价指标概述常见指标概述AP与mAP2.7 数据集与标注软件常见数据集两大主流数...
深度学习中的两阶段目标检测
qq_59931372的博客
04-16 4609
目标检测作为计算机视觉中承上启下的一步，至关重要，可以说，实现了目标检测就实现了计算机视觉基本任务。目标检测急需要对物体进行识别，又要检测出物体的位置，难度较大，网络结构也层出不穷，在深度领域，从R-CNN到SPP-NET再到YOLO最后到SSD，可以说是百家争鸣，各有千秋。另一方面，目标检测应用非常广泛，例如生活中常见的人脸检测、车牌识别等；在自动驾驶领域，有行人识别、车道线识别；还有智能视频监控、机器人导航、飞机航拍等多种多样的应用。目标检测可以分解为两个步骤，
深度学习几个基础知识
weixin_45820024的博客
01-19 874
一步法One stage目标检测算法：YOLO、RetinaNet、SSD等。两步法Two stage目标检测算法：R-CNN、Fast R-CNN、Faster R-CNN 等。Anchor最早出现在Faster RCNN中，其本质上是一系列大小宽高不等的先验框，均匀地分布在特征图上，利用特征去预测这些Anchors的类别，以及与真实物体边框存在的偏移。
AI目标检测之YOLO发家史
futuregislab的博客
02-07 2470
目标检测广泛应用于城市安防、自动驾驶、遥感解译等领域，基于深度学习的目标检测方法经过近十年的发展已经相当成熟。近年来，单阶段目标检测YOLO系列架构在众多方法中脱颖而出，有成为主流的趋势，本文对AI目标检测总体发展脉络进行简要梳理，见证YOLO的发家史。
目标检测深度学习方法综述（一）
sun_shine56的博客
03-13 3054
0.前言 从去年九月份以来，我断断续续的接触并了解了深度学习中目标检测方面的知识。读了几篇论文，也尝试着跑了几个代码，对目标检测领域的深度学习方法有了大致的了解，一直准备写一篇综述性的学习报告，来总结我所学到，看到的知识点。但由于所学太过于零碎，不成体系，一直没有动手整理。直到前两天我导让我将18年之后比较典型的神经网络模型总结一哈，我这下定决心，准备将我这大半年所学到的关于深度学习目标检测的知识...
目标检测-2019年4篇目标检测算法最佳综述
算法之美
12-03 1854
2019年目标检测综述（Object Detection Review），2019年4篇目标检测算法最佳综述。
【图像处理】Haar Adaboost 检测自定义目标（视频车辆检测算法代码）
热门推荐
Code for Yun
05-10 3万+
阅读须知 本博客涉及到的资源： 正样本：http://download.csdn.net/detail/zhuangxiaobin/7326197 负样本：http://download.csdn.net/detail/zhuangxiaobin/7326205 训练和检测工具：http://download.csdn.net/detail/zhuangxiaobin/7414793...
深度学习驱动的目标检测技术解析
"这篇文章主要探讨了基于深度学习的目标检测技术，包括区域提名方法如R-CNN系列和端到端的YOLO与SSD算法。它解释了目标检测在分类、定位和检测之间的区别，并介绍了传统的滑动窗口框架及DPM模型在目标检测领域的应用...
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