发表时间 | 名称 | 创新点 | 链接 |
---|---|---|---|
2013.11 | RCNN | 首次将深度学习用于物体识别,但只在特征提取阶段使用 | |
ICCV2015 | Fast-RCNN | 在特征图上生成候选区域而不是输入图像,减少了特征的重复计算;使用softmax代替SVM | |
NIPS2015 | Faster-RCNN | 使用RPN代替selective search生成候选区域 | |
CVPR2016 | YOLOv1 | 将物体检测这个问题定义为bounding box和分类置信度的回归问题,实现端对端 | 超赞 |
ECCV2016 | SSD | 多尺度;全卷积 | |
CVPR2017 | YOLOv2 | 全卷积;引入anchor box | 还行 |
2018 | YOLOv3 | 使用sigmoid作为损失函数;结合FPN的结构进行多level的预测 |
深度学习物体识别的发展
最新推荐文章于 2021-12-13 17:43:34 发布