![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
基于回归的目标检测
williamyi96
PhD Student on Machine Learning, Optimization, Federated Learning, and Data-Efficient Learning.
展开
-
YOLO
YOLO是第一个经典的非基于Region Proposal的目标检测的模型,其在保证效果不是很差的基础之上,基于回归的思想,达到了超高的实时性。虽然由于某些原因个人不是特别青睐YOLO,但是发现基于YOLO的改进版的模型取得了很好的效果,如其在SqueezeDet中的使用,因此打算以此为契机研究以下该模型。总体结构分析话不多说,直接上总体流程图:YOLO没有类似于Object Proposal的过程原创 2017-08-27 16:00:31 · 933 阅读 · 0 评论 -
[论文解读] SqueezeDet
基本介绍《SqueezeDet: Unified, Small, Low Power Fully Convolutional Neural Networks for Real-Time Object Detection for Autonomous Driving》是一篇相当惊艳的文章,其主要想法是基于SqueezeNet以及YOLO进行改进,来在保证速度的情况之下提升精度来做目标检测。通过实验室师原创 2017-09-18 11:40:47 · 4494 阅读 · 0 评论