从R-CNN到RFBNet,深度目标检测5年纵览，文章+代码让你从入门到精通(转)

最新推荐文章于 2024-06-04 19:48:40 发布
置顶 最新推荐文章于 2024-06-04 19:48:40 发布
阅读量414 收藏 4
点赞数
分类专栏： 深度学习 文章标签： R-CNN RFBNet 深度目标检测5年纵览 文章+代码 入门到精通

mark一下，最早是从机器学习研究会上看到，收藏之后一直没时间细读。现开始阅读并分享出来。最后感谢作者分享！

文章名 | Deep Learning for Generic Object Detection: A Survey
文章地址 | https://arxiv.org/abs/1809.02165
作者 | Li Liu, Wanli Ouyang, Xiaogang Wang etc.
整理报导 | huaiwen

Deep Learning for Generic Object Detection: A Survey 这篇文章， 调查了250多个目标检测领域的关键贡献，涵盖了目标检测研究的许多方面:
最新的检测框架
热门的子问题
对象特征表示
proposal 生成
上下文信息建模
训练策略
评估问题
基准数据集
评估指标
当前最好结果
以及未来的方向

如下图所示， 从1999年的 SIFT 算子开始，一直就有研究人员，关注目标检测， 我们可以笼统的，将目标检测，分为：非深度学习时代，深度学习时代， 分水岭，是2012年的 AlexNet。
在这里插入图片描述

实际上，我们更关注，近期深度学习在目标检测上的成果，韩国的Lee hoseong 同学，将它们整理了一下，于是我们有了下图：
在这里插入图片描述

这张图，包含了，从2013年的 R-CNN开始，一直到前两天， 刚在德国开完会的 ECCV2018。Lee hoseong 同学将它们开源在了 github

Github 地址

https://github.com/hoya012/deep_learning_object_detection

它包含了， 从2014年，到现在，比较典型的目标检测的文章，及其代码。

法相
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
卷积神经网络（CNN）超详细介绍
weixin_44021149的博客
03-22 5万+
文章转自：https://blog.csdn.net/jiaoyangwm/article/details/80011656 文章目录 1、卷积神经网络的概念2、 发展过程3、如何利用CNN实现图像识别的任务4、CNN的特征5、CNN的求解6、卷积神经网络注意事项7、CNN发展综合介绍8、LeNet-5结构分析9、AlexNet10、ZFNet10.1 意义10.2 实现方法10.3 训练细节10.4 卷积网络可视化10.6 总结 11、VGGNet11.1 结构11.2 网络特点：11.3 分
卷积神经网络（CNN）详细介绍及其原理详解
热门推荐
IronmanJay的博客
01-14 14万+
本文总结了关于卷积神经网络（CNN）的一些基础的概念，并且对于其中的细节进行了详细的原理讲解，通过此文可以十分全面的了解卷积神经网络（CNN），非常适合于作为Deep Learning的入门学习。下面就是本篇博客的全部内容！
深度神经网络——什么是 CNN（卷积神经网络）？
最新发布
知来者逆的博客
06-04 1766
神经网络是一种受到人脑结构和功能启发的计算模型。它们由多层神经元组成，这些神经元通过加权连接相互关联。这些权重代表了输入数据特征之间的关系，以及它们与特定输出类别之间的联系。在神经网络的操作中，数据被输入到网络中，并通过层层神经元进行处理。每一层的神经元会对接收到的信号进行加权求和，然后通过一个激活函数来决定是否以及如何激活下一层的神经元。在训练过程中，网络的目标是通过调整这些权重来最小化输出和实际值之间的差异。
【综述】一文读懂卷积神经网络(CNN)
qq_43673118的博客
09-07 2万+
卷积神经网络是多层感知机(MLP)的变种，由生物学家休博尔和维瑟尔在早期关于猫视觉皮层的研究发展而来，视觉皮层的细胞存在一个复杂的构造，这些细胞对视觉输入空间的子区域非常敏感，称之为感受野。CNN由纽约大学的Yann Lecun于1998年提出(LeNet-5)，其本质是一个多层感知机，成功的原因在于其所采用的局部连接和权值共享的方式：一方面减少了权值的数量使得网络易于优化；另一方面降低了模型的复杂度、减小了过拟合的风险。当网络的输入为图像时，这些优点将表现地更加明显。
【通俗易懂】CNN详细讲解
jxwd的博客
09-04 1237
这一种方式也是常见的介绍CNN的方式，但和刚刚我们上面所说到的意思是一样的（就是同一个东西用不同的方法介绍而已）：我们说，什么是Convolutional Layer呢？这个Layer它有数个的Filter，每一个Filter都是3* 3 * channel大小的tensor那channel数如果为3，就代表着这个图片是彩色的，如果channel数为1，就代表这个图片是黑白的。每一个filter，就代表了它要识别的Pattern，或者说要守备的范围。
知识图谱在深度学习目标检测中的应用
阿波
04-23 6837
知识图谱是什么？深度学习的目标检测怎么和它相结合？我将带大家一起来解读其中奥秘——阿波，2020.4.16 检索摘要写在前面二级目录三级目录 写在前面 知识图谱： 范例文章： 我将从先从知识图谱的介绍着手，浅要分析在深度学习目标检测任务中，各目标之间的相对关系是如何提升检测器精度的，并给出一篇论文范例。 二级目录 三级目录 ...
从R-CNN到RFBNet，目标检测架构5年演进综述v21
08-04
《从R-CNN到RFBNet，目标检测架构5年演进综述v21》这篇文章，结合《Deep Learning for Generic Object Detection: A Survey》这篇论文，深入探讨了深度学习在通用物体检测领域的广泛应用和重要进展。过去几年，深度...
深度学习的目标检测技术演进：R-CNN、FastR-CNN、FasterR-CNN
02-25
本文来自于个人微博，本文介绍基于regionproposal的R-CNN系列目标检测方法是当前目标检测技术领域最主要的一个分支。objectdetection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object...
基于tensorflow搭建Faster R-CNN实现目标检测任务 有代码 有数据 可直接运行。--数据
06-06
基于tensorflow搭建Faster R-CNN实现目标检测任务 有代码 有数据 可直接运行。 Faster R-CNN 实现目标检测 tensorflow 基于tensorflow搭建Faster R-CNN实现目标检测任务 有代码 有数据 可直接运行。 Faster R-CNN ...
基于Pytorch搭建Faster R-CNN实现飞机目标检测-数据集
01-09
本项目将介绍如何使用Pytorch框架来实现Faster R-CNN，以完成对飞机目标的检测任务。 首先，我们需要理解Faster R-CNN的工作原理。Faster R-CNN由两部分组成：区域提议网络（Region Proposal Network, RPN）和基于...
CNN简介
zzhhjjjj的博客
11-20 4157
CNN 卷积神经网络是含有卷积层的神经网络，而卷积层则得名于卷积运算。 Filter 在卷积层中，我们会用一个叫做filter的东西扫过一张图片。这些 filter 啊 它们的大小是,3 × 3 × Channel 的 Size。如果今天是彩色图片的话,那就是 RGB 三个 Channel,如果是黑白的图片的话,它的 Channel 就等於 1。一般而言，这个filter大小可以自己决定，我们这里用3×33\times33×3的filter来举例。 上图显示了卷积运算的基本过程，用3×33\times33
RFBNet模型初始化权重
03-18
RFBNet—master模型的预训练权重文件，初始化训练模型使用
face-mask-detection-tf2:在Tensorflow 2.1中使用带有简化Mobilenet和RFB或Pelee的ssd进行口罩检测。 在您自己的数据集上进行训练。 可以转换为kmodel并在k210的边缘设备上运行
03-09
面罩检测 该模型是轻量级的面罩检测模型。 基于ssd的骨干网是Mobilenet和RFB。 主要特点 Tensorflow 2.1 训练与推论 使用mAP的精度 使用tf.GradientTape急切模式训练 使用tf.keras网络功能 使用tf.data.TFRecordDataset数据集 ├── assets │ ├── 1_Handshaking_Handshaking_1_71.jpg │ ├── out_1_Handshaking_Handshaking_1_71.jpg │ ├── out_test_00002330.jpg │ └── test_00002330.jpg ├── checkpoints │ └── weights_epoch_100.h5 ├── components │ ├── config.py │ ├── __
基于KDE（核密度估计）的运动目标检测matlab的gpu加速版
11-10
基于KDE（核密度估计）的运动目标检测matlab的gpu加速版，清清楚楚，明明白白，注释易懂。本人课堂大作业的完整版。
RFBNet:用于准确和快速对象检测的感受野块网络，ECCV 2018
08-04
用于准确和快速对象检测的感受野块网络 作者：刘松涛、黄帝、王云红 更新 (2021/07/23)：YOLOX 来 ，更强大的 YOLO，支持 ONNX、TensorRT、ncnn 和 OpenVino！ 更新：我们提出了一种在 COCO 上以 45 FPS 获得 42.4 mAP 的新方法，代码可 介绍 受人类视觉系统中感受野 (RF) 结构的启发，我们提出了一种新颖的 RF Block (RFB) 模块，该模块考虑了 RF 的大小和偏心率之间的关系，以增强特征的可辨别性和鲁棒性。 我们进一步使用轻量级 CNN 模型将 RFB 模块组装到 SSD 的顶部，构建了 RFB Net 检测器。 您可以使用代码来训练/评估 RFB 网络以进行对象检测。 有关更多详细信息，请参阅我们的。 VOC2007测试 系统 地图 FPS （泰坦 X 麦克斯韦） 73.2 7 78.6 40 80.5
CNN卷积神经网络
TGYAO的博客
06-08 4530
CNN，全称为卷积神经网络（Convolutional Neural Network），是一种用于处理具有网格结构数据（如图像、视频和音频）的前馈神经网络。它是深度学习领域中最常用的模型之一，尤其适用于计算机视觉任务。
知识图谱简介
半夏微凉的博客
06-15 4385
知识图谱 (Knowledge Graphs, KGs) 已成为组织世界结构化知识的一种引人注目的抽象，并作为一种整合从多个数据源中提取的信息的方式。 知识图谱已经开始在表示使用自然语言处理和计算机视觉提取的信息方面发挥核心作用。 以 KG 表示的领域知识正在输入到机器学习模型中，以产生更好的预测。 我们在这篇博文中的目标是 解释 KGs 的基本术语、概念和用法， 突出 KGs 的近期应用，这些应用导致其受欢迎程度激增，以及 将 KGs 置于整体 人工智能的风景。 在阅读更广泛的综述或关注有关该主题的研
介绍几个VR/AR/MR相关的学术会议
weixin_36670529的博客
02-20 1590
【导读】目标检测，是计算机视觉领域中，最基本的，也是最具挑战性的问题之一，它旨在从自然的图像中，识别预定义的类别的物体，并定位它们（给出边界框）。实际上，目标检测并不是一个很新的任务，但是随着近年来的深度学习技术的加持，目标检测领域历久旎新。几天前，Li Liu 等研究人员，向 IJCV 投稿了一篇30页的关于深度目标检测的调研文章，专知小编拜读后，在这里与各位分享。 文章名：Deep Lear...
精确快速目标检测接收场块网络（RFBNet）
rosefun96的博客
03-18 9533
1.模型 使用11，33，55卷积以及33（rate = 1,3,5）的空洞卷积核。 各种模型对比图： RFB结构： RFB-Net300: 2.实现 class BasicRFB(nn.Module): def __init__(self, in_planes, out_planes, stride=1, scale = 0.1,map_reduce=8): s...
深度学习目标检测：从R-CNN到RFBNet的演进全览
"这篇资源是一篇关于目标检测的综述论文，涵盖了从2013年的R-CNN到2018年ECCV上的RFBNet等四十多篇相关论文，涉及R-CNN系列、YOLO系列、RPN、SSD、FPN和RetinaNet等多个深度学习目标检测模型。论文由国防科技大学、...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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