【目标检测】目标检测通用框架总结

最新推荐文章于 2024-09-15 11:39:05 发布

你好啊：）

最新推荐文章于 2024-09-15 11:39:05 发布

阅读量2.1k

点赞数 3

分类专栏：目标检测论文文章标签：深度学习 python 计算机视觉机器学习

本文链接：https://blog.csdn.net/Leomn_J/article/details/112462743

版权

目标检测论文专栏收录该内容

17 篇文章 1 订阅

订阅专栏

笔记观看链接：目标检测框架个人总结
（PS:推荐是使用笔记观看链接进行阅读,因为很懒不想在博客再排一次版）

以下是笔记中包含的内容：
目标检测网络框架总结（YOLOV4中有图）
从最开始的神经网络到现在深度更深，模块更多的目标检测深度学习神经网络，如今大致可以分为Two-Stage-Detector (典型的为RCNN系列论文)和 One-Stage-Detector（典型为YOLO系列论文），每个网络有可以细分为如下图所示结构：
目标检测框架图
输入（Input）：图像、图像金字塔等；
骨干网络（Backbone）：用于提取图片的特征图，常用的有VGG16、ResNet-50、SpineNet、EfficientNet-B0/B7、CSPResNetXt50、CSPDarknet53等；
颈部网络（Neck）：
额外模块：SPP、ASPP、RFB、SAM
融合模块：FPN、PAN、NAS-FPN、Full-connected FPN、BiFPN、ASFF、SFAM
头部网络（Head）：
Dense Prediction（one-stage）
RPN、SSD、YOLO、RetinaNet（anchor based）
CornerNet、CenterNet、MatrixNet、FCOS(anchor free)
Sparse Prediction（two-stage）
Faster R-CNN、R-FCN、Mask R-CNN(anchor based)
RepPoints(anchor free)
以上基本就是现在目标检测的整体结构，一般对目标检测网络进行改进都是基于各个模块分布进行。
后序会在细化各模块内的具体总结