把之前本地的一些论文阅读笔记和资料汇总搬上来
之前写过的相关博客:
【目标检测】【1】《SSD- Single Shot MultiBox Detector》SSD目标检测器详解
【yolov3】【2】yolov3-spp结构详解与源码解析(pytorch)
文章目录
目标检测
YOLO系列与SSD对比
YOLOv1 | SSD | YOLOv2 | YOLOv3 | |
---|---|---|---|---|
anchor box | 没有anchor box | 有default box | 有anchor box(k-means,用σ限制在0~1以改进稳定性) | 同yolo2,k=9,均分到三个feature map |
结构 | 仿照googlenet,后接全连接 | 基于VGG16,后接3 * 3卷积核 | darknet-19,没有fc | darknet-53, 没有fc和pooling,有resblock |
使用的feature map | 最后一层feature map | 使用了6层feature map,直接在每层map上预测 | 使用了最后2层feature map;passthrough结构不损失信息,在深度上拼接后预测 | 3个不同尺度的feature map,后面的上采样和前面的concat(FPN) |
预测框的数目 | 预测7x7x2个框 | 预测8732个框 | 预测13x13x5/9个框 | 预测sxsx3个框(s=13,26,52) |
预测的内容 | 每个box预测objectness和位置,每个grid预测conditional class | 每个box预测confidence和位置 | 每个box预测objectness和conditional class和位置 | 同yolo2 |
YOLOv1与SSD
YOLOv1 | SSD |
---|---|
没有anchor box | 有default box |
全连接 | 3 * 3卷积核 |
最后一层feature map | 使用了多层feature map |
仅为一个cell预测一个类别 | 预测8732个类别 |
SSD
《SSD: Single Shot MultiBox Detector》
论文阅读:SSD: Single Shot MultiBox Detector
SSD笔记(引用↓两者)
目标检测|SSD原理与实现(较清晰)
CNN目标检测(三):SSD详解(详细计算)
SSD论文阅读(Wei Liu——【ECCV2016】SSD Single Shot MultiBox Detector)(原作ppt)
VGG16 & SSD网络结构
跑了一下SSD的代码,SSD网络结构(此例为二分类(包括背景)):