RCNN到Faster RCNN、yolo系列与SSD

本文详细介绍了深度学习中目标检测的重要进展,从早期的RCNN开始,探讨了Fast R-CNN和Faster R-CNN的改进,然后转向了实时检测器YOLO及其后续版本YOLOv2,最后讨论了Single Shot MultiBox Detector (SSD)以及轻量级ShuffleNet版本,为理解这些模型的原理和实现提供了资源链接。
摘要由CSDN通过智能技术生成

fast rcnn:
https://blog.csdn.net/shenxiaolu1984/article/details/51036677
https://blog.csdn.net/u014380165/article/details/72851319
faster rcnn:
https://blog.csdn.net/weixin_43198141/article/details/90178512
https://zhuanlan.zhihu.com/p/31426458
yolo系列:
https://zhuanlan.zhihu.com/p/32525231
SSD:
https://blog.csdn.net/weixin_45963617/article/details/104609192
轻量级shuffleNetv1:
https://zhuanlan.zhihu.com/p/32304419
轻量级shuffleNetv2:
https://zhuanlan.zhihu.com/p/48261931
看完链接博客在看论文,方便理解,理解之后再去读懂代码。
rcnn详解:
在这里插入图片描述
fast rcnn详解:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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