Begin

前言

博客书写我选择使用markdown语法, 原因是主流博客支持比较好, 便于后期迁移.

除了标注转载的内容, 文章都是依据原文的理解手打, 不存在抄袭行为.

需要的基础

首先必须要掌握基本的神经网络概念, 包括卷积, 池化, 全连接, 激活等. 对于代码框架我主要使用pytorch, 不熟悉的朋友也不必担心, 我主要整理的内容是理论原理. 一些专有名词如交叉熵, bbox等涉及时也许会简单讲解.

我的进度

从2019夏天开始关注目标检测, 论文最早从R-CNN开始阅读, 写本文时已经看了:

• R-CNN
• Fast R-CNN
• Faster R-CNN
• SPPnet
• YOLO
• SSD
• FPN
• RetinaNet

因为我在建立博客时已经阅读到RetinaNet, 因此我便从它开始, 先前的论文内容我会逐渐补充, 基础知识不足的朋友可以按照上文顺序从博客中找到对应文章按发展的顺序阅读.

整理形式

理论的角度

大多数整理内容我会用理论介绍的角度, 从发展的角度分析, 包含主要的文章改进原型(部分开创性内容可能不会有这一部分), 以及其backbone和loss创新.

特别的, 我整理论文过程中除了第一篇会加入一定的历史发展, 其余文章不会啰嗦太多.

代码的角度

这一部分我主要会进行代码分析, 从如何具体实现的角度进行介绍, 因为论文繁多, 不可能每一篇都逐一分析代码, 我对2018年以前的模型, 选择成熟经典的进行分析如: Faster R-CNN, YOLOv3等. 对于2018年及以后的论文待定.