目标检测资料

目标检测案例

https://zhuanlan.zhihu.com/p/46595846

https://blog.youkuaiyun.com/electech6/article/details/95240278

https://cloud.tencent.com/developer/news/281788

R-CNN:选择性搜索框提取2000候选框，在通过cnn+fc得到特征，特征传入svm（每一个类单独训练一个svm），一张图47s
Fast R-CNN:先用CNN特征提取，在把选择性搜索候选框的位置映射到CNN提取的特征图上，在往后传，后面全连接层前面加了一层ROI Pooling layer,用来固定输出大小,一张图2s
Faster R-CNN:用CNN提取全图特征，取消选择性收索框方法，在特征图上滑动窗口，通过RPN框回归来得到框的具体位置，以及通过分类得到目标类别，一张图0.2s
YOLO:一张图划分7*7网格，每个设定2个候选框，通过网络后得到预测值，去除低于阈值，剩下的通过NMS得到唯一框，（得到的位置比较粗糙，会给分类带来一定的误差），一张图0.022s
SSD:预测和回归方法和yolo一样，但在候选框上做了改进，通过卷积核在不同特征层上做了卷积在进行回归，这样同时满足了不同尺度上的特征提取，回归精度更高而且速度更快，一张图0.017s

yolov4:https://tech.sina.com.cn/roll/2020-06-06/doc-iircuyvi7043231.shtml

YOLOv4：主干网络CSPDarknet53,交叉阶段部分连接（CSP）