Chermack的博客

一、目标检测发展历程下方是来自github整理的一张目标检测的数据集图和关于时间线的发展史图。具有重要影响的模型用红色标出，可以根据需要进行学习。网上流传的另一种分类按照一阶段目标检测和两阶段目标检测作划分也可以对不同的方法有一个大致的认识：二、各YOLO版本对比项目YOLOv1YOLOv2YOLOv3YOLOv4创新点使用单个神经网络，将目标检测网络看作回归问题1.引入Anchor boxes，K-means聚类和直接位置预测改善定位问题。2.改进了网络结构，

论文原文：https://arxiv.org/pdf/2004.10934.pdf代码实现：https://github.com/AlexeyAB/darknet一、介绍原文名称：《YOLOv4: Optimal Speed and Accuracy of Object Detection》，可以看出这是一个非常自信的题目，声称YOLOv4在目标检测具有最优的速度和准确率。相比于Joe Redmon的最终作品YOLOv3，Alexey Bochkovskiy为一作的YOLOv4确实取得了非常明显的

YOLOv3论文解读论文地址：https://arxiv.org/pdf/1804.02767.pdf代码实现：作者本人： https://pjreddie.com/darknet/yolo/github：pytorch 简易版：https://github.com/eriklindernoren/PyTorch-YOLOv3github：keras版：https://github.com/qqwweee/keras-yolo3一、概述YOLOv3原文：《YOLOv3: An Increme

YOLOv2论文解读论文原文地址：https://arxiv.org/pdf/1612.08242.pdf论文的代码实现（原作者实现已经换成了YOLOv3，这里给出两个github版本）：pytorch版本：https://github.com/longcw/yolo2-pytorchkeras版本：https://github.com/yhcc/yolo2一、概述YOLO9000中的9000是说它可以检测的超过9000多种类别的物体，比其它检测算法多出许多。它是YOLOv1的升级版本，因此又

YOLOv1论文解读论文原文地址：https://arxiv.org/pdf/1506.02640.pdf论文的一个tensorflow实现版本：https://github.com/gliese581gg/YOLO_tensorflow一、摘要YOLO的英文是（you only look once），之所以这样命名是相对于之前的物体检测方法提出的，YOLO是整个系列初始版本，后续改进版本用v加一个数字表示版本号，本文使用的YOLO即是YOLOv1。在YOLO以前，物体检测方法主要是通过regi