目标检测论文盘点与解读总结

Posted by murufeng on August 30, 2019

目标检测算法盘点


从RCNN到SSD,这应该是最全的一份目标检测算法盘点

目标检测算法在准确度(AP)和速度(speed)的对比: 在这里插入图片描述 在这里插入图片描述在这里插入图片描述


论文中的知识点

评价指标AP(mAP)

边框回归(Bounding Box Regression)

IOU

非极大值抑制(non maximum suppression)

OHEM(Training Region-based Object Detectors with Online Hard Example Mining)

论文地址:https://arxiv.org/pdf/1604.03540.pdf

论文解读:

RPN(Region Proposal Network)

最新论文

ICCV 2019 论文大盘点-目标检测

CVPR 2019 论文大盘点—目标检测篇

CVPR2018 目标检测(object detection)算法总览

ECCV2018目标检测(object detection)算法总览

超越YOLOv3!普林斯顿大学提出:CornerNet-Lite,基于关键点的目标检测算法,已开源!

CornerNet-Lite算法原理实现


one-stage detectors

SSD(Single Shot MultiBox Detector) 论文地址:https://arxiv.org/pdf/1512.02325.pdf

论文解读:

YOLO(You only look once)

论文地址:

代码地址:

论文解读:

YOLO算法原理详解

YOLO原理与实现

YOLO v2算法详解 - AI之路 - CSDN博客

YOLOv2原理与实现(附YOLOv3)

YOLO v3算法笔记 - AI之路 - CSDN博客

YOLOv3: 训练自己的数据 - 点滴记录 - CSDN博客

yolo系列之yolo v3【深度解析】

目标检测之One-stage算法:YOLOv1-YOLOv3进化历程

keras源码解读:

探索 YOLO v3 源码 - 第1篇 训练

探索 YOLO v3 实现细节 - 第2篇 模型

探索 YOLO v3 实现细节 - 第3篇 网络

探索 YOLO v3 实现细节 - 第4篇 数据和y_true

探索 YOLO v3 实现细节 - 第5篇 Loss

探索 YOLO v3 实现细节 - 第6篇 预测 (完结)

RetinaNet(Focal Loss for Dense Object Detection) 论文地址:https://arxiv.org/pdf/1708.02002.pdf

论文解读:

论文阅读: RetinaNet - Online Notes - CSDN博客

Focal Loss - AI之路 - CSDN博客

CornerNet 陈泰红:CornerNet:目标检测算法新思路

https://blog.csdn.net/u014380165/article/details/83032273

CenterNet OLDPAN:扔掉anchor!真正的CenterNet——Objects as Points论文解读

two-stage detectors

R-CNN(Region-based Convolutional Neural Networks) 论文地址:http://xxx.itp.ac.cn/pdf/1311.2524.pdf

Fast R-CNN 论文地址:http://xxx.itp.ac.cn/pdf/1504.08083.pdf

Faster R-CNN(Towards Real-Time Object Detection with Region Proposal Networks) 论文地址:http://xxx.itp.ac.cn/pdf/1506.01497.pdf

论文解读: R-CNN论文原理

R-CNN论文代码实现

Object Detection and Classification using R-CNNs

白裳:一文读懂Faster RCNN

Mask-RCNN 论文地址:http://xxx.itp.ac.cn/pdf/1703.06870.pdf

论文解读:

Mask-RCNN技术解析 - 跟随技术的脚步-linolzhang的专栏 - CSDN博客

Mask RCNN笔记 - 生如蚁,美如神 - CSDN博客

Mask RCNN算法原理实现

Cascade RCNN

TridentNet Naiyan Wang:TridentNet:处理目标检测中尺度变化新思路


其他

FPN(Feature Pyramid Networks for Object Detection) 论文地址:http://xxx.itp.ac.cn/pdf/1612.03144.pdf

论文解读: FPN(feature pyramid networks)算法讲解

FCN(Fully Convolutional Networks for Semantic Segmentation) 论文地址:https://arxiv.org/pdf/1411.4038.pdf

论文解读:https://link.zhihu.com/?target=https%3A//www.cnblogs.com/gujianhan/p/6030639.html

Rethinking ImageNet Pre-training - 何凯明大神的新作 论文地址:https://arxiv.org/pdf/1811.08883.pdf