CNN经典结构 目标检测算法 论文笔记参考

最新推荐文章于 2022-12-15 20:02:18 发布
最新推荐文章于 2022-12-15 20:02:18 发布
阅读量258 收藏 2
点赞数
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/chuan403082010/article/details/89054258
版权

论文笔记：CNN经典结构1（AlexNet，ZFNet，OverFeat，VGG，GoogleNet，ResNet）

参考链接:

https://www.cnblogs.com/liaohuiqiang/p/9606901.html

论文笔记：CNN经典结构2（WideResNet，FractalNet，DenseNet，ResNeXt，DPN，SENet）

参考链接:https://www.cnblogs.com/liaohuiqiang/p/9691458.html

论文笔记：目标检测算法（R-CNN，Fast R-CNN，Faster R-CNN，FPN，YOLOv1-v3）

参考链接:https://www.cnblogs.com/liaohuiqiang/p/9740382.html

ImageNet历年冠军和相关CNN模型

参考链接:https://www.cnblogs.com/liaohuiqiang/p/9609162.html

1990Scarlett
关注
论文阅读笔记 | 三维目标检测——PV-RCNN算法
Clichong
12-08 1625
基于voxel（paper中提到的是grid-based）的方法计算效率更高，但不可避免的信息损失降低了细粒度定位精度；而基于point的方法计算成本更高，但是通过PointNet++中的SA层（set abstraction layer）可以实现更大的感受野（这种说法是首次提出的）。 PV-RCNN的想法也是同时结合这两种方法的优势，取其所长，利用voxel-based操作进行有效的多尺度信息编码，生成高质量的3d候选框；同时利用改进的set abstraction模块操作保留精确的位置信息和灵活的感受
目标检测算法笔记 （三） One-Stage 算法 YOLO 系列算法
liuxinnanshou的博客
02-23 1597
目录 简介 YOLOv1 YOLOv2 YOLOv3 网络总结 简介 YOLO全拼是You Only Look Once。作者的目标是实现速度很快同时尽可能保持精度的目标检测网络，其去掉了非常耗时的生成RPN网络（对于实时检测的要求来说），直接把目标检测作为两个任务：目标区域预测、类别预测。实现了使用了一个网络直接预测物体边界和类别概率，即end-to-end，虽然精度与Two-Stage算法...
R-CNN算法（论文部分翻译+个人总结）
qq_30146937的博客
02-03 1113
背景知识 R-CNN的实现步骤？ R-CNN的具体设计 R-CNN采用了哪些技术？ R-CNN的语义分割是怎么实现的？ 如何训练网络？ 测试阶段的内容 这篇论文做出的贡献有两个方面： （1）可以将高容量的卷积神经网络应用在自底向上的候选区域，以实现对目标的定位和分割。 （2）当标注的训练数据稀缺时，在大型辅助数据集（ILSVRC）上进行有监督的预训练，然后在小型数据集（PASCAL）上进行特定领域...
目标检测领域必看的6篇论文
3D视觉工坊
04-27 4282
目标检测是计算机视觉中的经典问题之一，而图神经网络是目前较热的研究方向，两者是否有一些结合的思考呢？下面给大家介绍6篇有价值的目标检测论文，希望对大家的研究和工作有所帮助~凭借大量可用数据、更快的 GPU 和更好的算法，现在我们可以轻松训练计算机以高精度检测出图像中的多个对象。本文就为大家推荐其中 6 篇有价值的目标检测论文。目标检测论文推荐202101推荐理由：文章回顾...
CNN目标检测发家史（论文可参考）
XYKenny的博客
05-15 631
1、目标检测概述 正如下图中第二和第三幅小图所示，目标检测的任务描述起来十分简单：就是要让计算机不仅能够识别出输入图像中的目标物体，还要能够给出目标物体在图像中的位置。 正是说起容易做起难，看似让简单的任务描述，在计算机视觉的发展过程中可谓历经艰辛。在深度学习正式成为计算机视觉领域的主题之前，传统的手工特征图像算法一直是目标检测的主要方法。在早期计算资源不发达的背景下，研究人员的图像特征表达方法...
目标检测经典论文详解
蓝鲸鱼的博客
10-29 1772
本系列文章将介绍一些目标检测发展的里程碑著作。 目标检测代码解读一（FasterRCNN） 目标检测代码解读二（SSD） 目标检测代码解读三（YOLOv3SPP） 图片来源 目标检测论文解读四（检测蒸馏论文三篇） Mimicking Very Efficient Network for Object Detection General Instance Distillation for Object Detection Multi-Scale Aligned Distillation for
目标检测经典论文_做目标检测，这6篇就够了：CVPR 2020目标检测论文盘点
weixin_31011587的博客
01-02 2353
CVPR 2020 会议上，有哪些目标检测论文值得关注？目标检测是计算机视觉中的经典问题之一。凭借大量可用数据、更快的 GPU 和更好的算法，现在我们可以轻松训练计算机以高精度检测出图像中的多个对象。前不久结束的 CVPR 2020 会议在推动目标检测领域发展方面做出了一些贡献，本文就为大家推荐其中 6 篇有价值的目标检测论文。论文清单A Hierarchical Graph Network fo...
目标检测算法笔记 （二）Two-Stage 经典算法 Faster R-CNN
liuxinnanshou的博客
02-23 1885
目录 简介 特征提取 RPN网络 Anchors 回归预测 （Bounding Box Regression） 建议区域生成（Proposal Layer） ROI Pooling以及分类模块 ROI Pooling 分类以及回归 网络训练 后续可改进的点 总结 简介 网络上关于Faster R-CNN详解的文章比较多，但是实现Faster R-CNN的方法...
目标检测论文笔记 2019.11
qq_41614538的博客
11-23 862
初入门目标检测，近两个月看的一些论文笔记汇总。 尽量用简单的语言概括论文的思想，提出highlight，具体实现细节参考各论文。 文章目录General《MoCo: Momentum Contrast for Unsupervised Visual Representation Learning 》2019Instance Segmentation《Mask RCNN》2018Object d...
R-CNN论文详解（论文翻译）
热门推荐
Cheese的博客
05-08 10万+
faster-rcnn在深度学习领域算是一篇开创性的论文，对后续产生的而网络有很重要的意义，认真读懂这篇论文，相信也算是深度学习入门了 。今天又重新读了读faster-rcnn,整理了一份阅读笔记，整理的过程使自己对整个深度学习又有了更深的理解。果然论文还是应该多读几遍才能理解的。
CNN有关算法介绍
07-14
李宏毅关于CNN卷积神经网络的一些理论知识讲解，适于深度学习入门者。
CNN算法流程详解说明
05-28
这个ppt是对论文《ImageNet Classification with Deep Convolutional Neural Networks》的流程解析，分析了论文里面的重要贡献，对于学习这个网络很有帮助
经典CNN结构论文阅读：InceptionNet_v1
weixin_51555629的博客
11-12 537
经典CNN结构论文阅读：InceptionNet_v1
经典CNN结构论文阅读：AlexNet
weixin_51555629的博客
11-07 448
经典CNN结构论文阅读：AlexNet
【论文阅读基础知识整理】CNN经典结构的总结
qq_45603919的博客
02-28 711
文章目录【论文阅读基础知识整理】CNN经典结构的总结1. AlexNet主要贡献1：Dropout主要贡献2：LRN2. VGG主要贡献1：小尺寸卷积层代替大尺寸卷积层网络缺点3.ResNet主要贡献1：提出了残差的概念网络总结 【论文阅读基础知识整理】CNN经典结构的总结 ​ 在论文阅读过程中，常常会遇到将提取特征后的特征图输入论文的网络结构中，而这些特征图大部分是通过现有实验的经典CNN结构得到的。本篇文章将一些经典的CNN结构进行介绍。 1. AlexNet 卷积层C1： 输入：227x227x3的
DL之CNN：关于CNN(卷积神经网络)经典论文原文(1950~2018)简介总结框架结构图(非常有价值)之持续更新(吐血整理)
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
05-04 1万+
DL之CNN：关于CNN(卷积神经网络)经典论文原文(1950~2018)简介总结框架结构图(非常有价值)之持续更新(吐血整理) 导读 关于CNN，迄今为止已经提出了各种网络结构。其中特别重要的两个网络，一个是在1998 年首次被提出的CNN元祖LeNet，另一个是在深度学习受到关注的2012 年被提出的AlexNet。这两个神经网络架构，在整个计算机视觉发展史上，都有着历史性变革...
CNN经典论文突出贡献一览
qq_40710634的博客
01-22 3684
（待更新） 一、Fully Convolutional Networks (FCN) 这篇论文是第一篇成功使用深度学习做图像语义分割的论文。论文的主要贡献有两点： 1.提出了全卷积网络。将全连接网络替换成了卷积网络，使得网络可以接受任意大小的图片，并输出和原图一样大小的分割图。只有这样，才能为每个像素做分类。 2.使用了反卷积层（Deconvolution）。分类神经网络的特征图一般只有原图的几分...
目标检测之yolov1
weixin_42749102的博客
07-06 812
目标检测，YOLOv1
经典CNN卷积神经网络发展史+论文+网络实现(PyTorch)
最新发布
weixin_45897172的博客
12-15 5537
经典CNN卷积神经网络发展史+网络实现(PyTorch)
R-CNN深度解析：目标检测经典论文的关键贡献与模型结构
R-CNN论文解读深入探讨了目标检测领域的一个重要里程碑，它在2010年至2012年间的停滞时期引入了新颖的技术和方法。该文章主要关注两个关键问题：一是如何使用深度神经网络（Deep Neural Networks, DNNs）准确地定位...
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