目标检测算法发展历程

已于 2022-02-05 23:16:29 修改
阅读量2.5k 收藏 3
点赞数
分类专栏： 深度学习 文章标签： 目标检测 算法 人工智能
于 2022-02-05 23:15:47 首次发布
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/qq_46311811/article/details/122794486
版权
这篇博客记录了作者从B站同济子豪兄的【精读AI论文】系列中学习R-CNN算法的过程。内容包括对R-CNN的理解、目标检测的重要性以及适合初学者的论文阅读指南。作者立下目标，希望在硕士一结束前掌握这一领域的知识。
摘要由CSDN通过智能技术生成

这里的图片是从b站同济子豪兄的【精读AI论文】 R-CNN深度学习目标检测算法 处截图的， 在这算是个记录吧，同时立个小小的flag，尽量在硕一结束前都搞明白是干啥的吧（希望能坚持住 ：）

在这也小推一下子豪兄，论文精读系列真的太适合我这种纯小白了，大家如果需要（或者被需要）读论文又自己读不明白可以去试试。
在这里插入图片描述

Hydrion-Qlz
关注
专栏目录
【AI面试】目标检测中one-stage、two-stage算法的内容和优缺点对比汇总
钱多多先森
04-30 9595
目标检测算法one stage和two stage的对比
流行的目标检测算法YOLO（You Only Look Once）
最新发布
07-05
### 目标检测算法YOLO（You Only Look Once） #### 一、YOLO算法概述 YOLO（You Only Look Once）是一种高效且精准的目标检测算法，由Joseph Redmon等人于2016年首次提出。它以其独特的设计思想和优秀的性能，在...
来自同济子豪兄的无私分享-YOLOv1论文的学习（二）
hands_up_down的博客
10-30 1228
​​​​​​https://www.bilibili.com/video/BV15w411Z7LG?p=10&spm_id_from=pageDriverhttps://www.bilibili.com/video/BV15w411Z7LG?p=10&spm_id_from=pageDriver 感谢子豪兄的无私分享 感谢豪哥的开源精神 YOLO和RCNN的相爱相杀： 为什么YOLO可以看到全图的信息？ 因为YOLO是将整张图片送进网络，隐式地编码全图中各个物体的关系。RC
沐神点赞！同济子豪兄精读AI经典论文，包括图像分类、目标检测、生成对抗网络、轻量化卷积神经网络等领域...
3D视觉工坊
04-18 669
读研/读博的你，是不是符合：毕设/研一/博一科研小白刚进课题组，不知道如何写开题报告和综述？前沿顶会、期刊论文、综述文献浩如烟海，不知道学习路径，无从下手？导师放养，既不懂也不管，师兄各忙各的，自己在黑暗中苦苦摸索？觉得自己数学差，算法差，编程差，英语差，写作差，学术功底差，组会汇报乏善可陈，导师怼到怀疑人生？没时间读、不敢读、不愿读、读得少、读不懂、读不下去、读不透彻一篇完整的论文？CVPR、I...
知识蒸馏论文学习（同济子豪兄）
Sunt40的博客
08-11 824
T为蒸馏温度，当T=1时，上式变为softmax函数。T变大时，可以提高各个标签的影响（缩小各标签差异，更soft）四. distilling the knowleadge in a NewralNetwork。知识蒸馏，权值量化，剪枝（权重剪枝，通道剪枝），注意力迁移。马：0.7， 驴：0.25， 汽车：0.05。马：1 ， 驴：0， 汽车：0。...
目标检测算法回顾之发展概览
xiaobaizaza_Ry的博客
05-23 7721
目标检测算法的发展时间线发展历史轴（时间轴线图）算法方法概览（思维导图） 发展历史轴（时间轴线图）
人工智能深度学习之目标检测算法原理与实践
08-16
本篇文章将详细介绍目标检测算法的基本概念、发展历程、核心技术以及实际应用案例，并结合《人工智能深度学习之目标检测算法原理与实践》课程内容进行深入探讨。 #### 二、目标检测概述 ##### 2.1 定义与意义 目标...
YOLO算法发展历程及改进
08-18
YOLO算法的发展历程大致可分为以下几个版本： 1. YOLOv1（2016）：这是最初的YOLO算法，由Joseph Redmon等人提出。它将整个图像作为一个单一的检测单元，通过固定大小的网格预测边界框和类别概率，但对小目标检测和...
目标检测历史，HistoryOfObjectRecognition
03-03
本文将根据提供的文档概述目标检测算法的发展历程，特别是深度学习时代的关键进展。 #### 早期阶段：传统方法 早期的目标检测主要依赖于手工特征和机器学习模型。文档中提到的Ross Girshick等人发表的文章《Rich ...
基于深度学习的目标检测算法综述
01-16
总结，深度学习目标检测模型的发展历程反映了技术的不断进步和创新。从两阶段到单阶段，再到无锚点和transformer，每一步都提升了检测效率和鲁棒性。未来，随着开放世界检测等新课题的探索，目标检测技术将继续向着...
【目标检测·yolo系列】YOLOV2目标检测论文笔记（参考 同济子豪兄的解读）
chentao326的博客
09-18 1182
目录anchor 、 Dimension Clusters 、Direct location prediction在YOLOv2中规定了五种anchor，grid cell数量为奇数限制预测框位置损失函数细粒度特征Multi-Scale Training anchor 、 Dimension Clusters 、Direct location prediction 在YOLOv1中先验框是随机的，在YOLOv2中规定了两个先验框，如下图 如图，①框擅长套高瘦长的物体，②框擅长矮胖宽的物体 由此可以使得模型
目标检测二十年间的那些事儿——从传统方法到深度学习
我爱计算机视觉
08-21 2581
本文转载自DeepBlue深兰科技。本文主要参考自文献[1]：Zhengxia Zou, Zhenwei Shi, Member, IEEE, Yuhong Guo, and Jiepi...
YOLO系列论文精读总结——YOLOv1篇
AI_eNyu的博客
05-03 5649
YOLOv1论文精度YOLO系列论文精读总结——[YOLOv1篇](https://download.csdn.net/download/AI_eNyu/85274569)YOLOv1概述1. 推理阶段2 训练阶段2.1 网络结构:2.2 损失函数:后续版本 YOLO系列论文精读总结——YOLOv1篇 概述：本文为YOLOv1论文精度的记录，帮助理解YOLOv1整个训练以及预测过程。 Tips: 文章绿色部分为YOLO后续论文中优化更改的内容。 YOLOv1论文精度资料，包括论文原文，推测部分经典PPT
ResNet论文笔记及Pytorch代码解析
charles_zhang_的博客
12-19 2995
何凯明大神的经典作品，ResNet论文阅读笔记
文心ERNIE 3.0 Zeus千亿参数大模型，一键生成“学术范儿”论文标题
PaddlePaddle
10-26 3403
文章整理自哔哩哔哩科技区UP主“同济子豪兄”（张子豪）的主题分享「文心雕龙，一键生成学术灵感」。文心ERNIE 3.0 Zeus作为基于知识增强的千亿模型，在各类真实场景的生成准确性、流畅性、相关性上全面领先业界其他大模型，能提供多种参数量级的、具备超强的语言理解能力和文本创作能力。正因为如此，它能够举一反三，赋能各行各业，体现强大的泛化能力与通用性。我将在本次分享中介绍部分开发者基于百度文心ER...
如何评价AAAI 2024将近14000的投稿量？
Paper weekly
08-18 828
CVPR2023投稿量达到9000+、NeurIPS2023投稿量12000+，AAAI2024更惊人，投稿量接近14000+，AI内卷白热化时代，论文焦虑已经成了科研人们失眠的罪魁祸首之一。连本科学生都有1-2篇顶会，隔壁组学弟也有3篇顶会在投，反观自己：论文还没有头绪，没有创新点、呕心沥血写出来的“大作”在导师眼里不如一堆垃圾……创新是论文的灵魂。有的科研文章可以很快被录用并被见刊，而有的文章...
YOLOv1
Yoyo211399的博客
07-23 955
【精读AI论文】YOLO V1目标检测，看我就够了_哔哩哔哩_bilibiliYOLO算法是单阶段目标检测的经典算法，能实现快速、实时、高精度的图像识别和目标检测。几乎所有人工智能开发者都要使用YOLO为各行各业开发计算机视觉应用。从2016年到2021年，YOLO已更新换代5个版本，都是在YOLOV1最初版本基础上改进升级，弄懂YOLOV1非常重要。但网上的博客和教程都没能把关键问题讲清楚，甚至没有人认真读懂了原始论文。所以子豪兄决定亲手解决这个问题，用了一年多时间做出这, 视频播放量 170511、弹幕
1 AI论文笔记--Going deeper with convolutions (InceptionV1)
weixin_44994302的博客
06-01 509
1 AI论文笔记–Going deeper with convolutions（2014年论文） 原文链接：https://arxiv.org/abs/1409.4842 还不错的CSDN全文翻译：https://huangfei.blog.csdn.net/article/details/70336079 还不错的InceptionV1-V4论文小结： https://blog.csdn.net/qq_30815237/article/details/89046890 文章主要说明了如何改变网络结构
保姆级别！深度学习-计算机视觉-目标检测方向学习路线，送给研0，研一正在迷茫的小伙伴们，学完发paper!
热门推荐
qq_44540136的博客
09-22 1万+
保姆级别！深度学习-计算机视觉-目标检测方向学习路线，送给研0，研一正在迷茫的小伙伴们，学完发paper!内容涵盖：机器学习、深度学习、计算机视觉、目标检测！
深度学习目标检测算法发展历程
05-15
目标检测是深度学习中的一个重要研究领域，目的是在图像或视频中检测出特定的目标物体并标注出其位置。下面是深度学习目标检测算法的发展历程： 1. R-CNN（2014年）：R-CNN是第一个成功的目标检测算法，它将区域提取和分类两个问题分开处理。具体来说，它首先通过选择性搜索算法提取出一些候选区域，然后将这些区域输入卷积神经网络（CNN）中进行特征提取和分类，最后使用回归器对每个候选区域进行位置精修。 2. Fast R-CNN（2015年）：Fast R-CNN是对R-CNN的改进，它使用RoI池化层代替了R-CNN中的卷积层，从而使得特征提取和分类可以一次性完成。此外，Fast R-CNN还引入了多任务损失函数，同时优化了分类和位置回归任务。 3. Faster R-CNN（2015年）：Faster R-CNN是一种端到端的目标检测框架，它在Fast R-CNN的基础上引入了RPN（Region Proposal Network）模块，用于生成候选区域。通过共享特征提取网络和RPN网络，Faster R-CNN实现了高效的目标检测。 4. SSD（2016年）：SSD（Single Shot MultiBox Detector）是一种新型的目标检测算法，它可以实现端到端的检测，无需候选区域生成。SSD采用多尺度特征图来检测不同大小的物体，并使用卷积层来同时进行分类和位置回归。 5. YOLO（2016年）：YOLO（You Only Look Once）是一种非常快速的目标检测算法，它可以实现实时检测。与其他算法不同，YOLO将目标检测视为回归问题，并使用卷积神经网络直接输出物体的类别和位置信息。 6. RetinaNet（2018年）：RetinaNet是一种新型的目标检测算法，它通过使用Focal Loss函数解决了类别不平衡问题。RetinaNet采用了金字塔特征网络（FPN）来获得多尺度特征，并使用分类和回归头对每个特征层进行预测。
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

打赏作者

Hydrion-Qlz

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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