年轻即出发，

3174张图片，标签为蓝色安全帽（blue），白色安全帽（white），黄色安全帽（yellow），红色安全帽（red），没有帽子（none），共5类。标签为PASCAL VOC的xml格式和yolo的txt格式。5000张图片，标签为helmet，head，person，共3类，但是不是所有的person都有进行标注。7581张图片，标签为PASCAL VOC的xml格式。标签为hat，person，共2类。正样本hat从百度和谷歌爬取的，负样本正常人头person从人头检测数据集。

Stage2会对粗糙的小人头结果进行裁剪clip以及放大操作，放大系数f=3，最终会将人头从8-20像素放大为24-60像素，而对于20像素以上的人头，检测算法就可以得到非常好的结果。Stage3对放大后的人头基于局部检测进行检测得到修正后的人头结果。目前来看特征融合的思想yolov5中FPN+PAN的思想效果更好，多尺度检测的思想Yolov5的3个分支做检测也具备同样的思想。Concat后的特征再基于googlenet中特征融合的思想，进行特征融合以及下采样操作，得到最终的输出特征。

论文：YOLOX: Exceeding YOLO Series in 2021Github：https://github.com/Megvii-BaseDetection/YOLOXface++作品，2021论文提出了YOLOX，其超越了YOLOV1-V5系列，并且取得了StreamingPerception Challenge 第一名的成绩（速度，精度都看）。YOLOX基于YOLOV3进行改进，采用了YOLOv3-SPP基础结构。采用BCELoss训练cls和obj，Io...

论文：YOLOv4: Optimal Speed and Accuracy of Object DetectionGithub：https://github.com/AlexeyAB/darknet论文主要针对各种可以提升精度的trick进行了整合，加入YOLOV3中，得到最终本文的YOLOV4。最终在coco上面达到了43.5%AP ，在Tesla V100 上达到了65FPS...

论文：MMDetection: Open MMLab Detection Toolbox and BenchmarkGithub：https://github.com/open-mmlab/mmdetection.git商汤和港中文开源的一个集成很多主流目标检测算法的检测框架，提供了超过200多个预训练模型。相比Facebook开源的Detectron框架，作者声称mmdetecti...

论文：EfficientDet: Scalable and Efficient Object DetectionGithub：https://github.com/google/automl/tree/master/efficientdethttps://github.com/zylo117/Yet-Another-EfficientDet-PytorchCVPR202...

论文：Objects as PointsGithub：https://github.com/xingyizhou/CenterNetCVPR 2019CenterNet，一个anchor free的新的检测算法，算是对cornerNet的改进，在cornerNet基础上，引入了中心点的概念，因此，称为CenterNet。算法亮点，anchor free，大大减少了a...

论文：Bounding_Box_Regression_With_Uncertainty_for_Accurate_Object_DetectionGithub：https://github.com/yihui-he/KL-LossCVPR 2019 CMU&&face ++论文提出了一种回归边框的不确定性的方法，来实现对于边框的后续矫正。主要包括...

论文：Improving Object Detection With One Line of CodeGithub：https://github.com/bharatsingh430/soft-nmsICCV 2017Hard nms VS soft nms:B:候选框S:候选框得分score，和B一一对应。D:最终的输出候选框结果Nt:IOU阈值M...

论文: CornerNet-Lite: Efficient Keypoint Based Object DetectionGithub：https://github.com/princeton-vl/CornerNet-LiteCornerNet作为无anchor检测框架的典范，CornerNet-Lite依然是普林斯顿的几位哥们的续集。论文主要改进CornerNet推理速度慢的...

论文：YOLACT: Real-time Instance SegmentationGithub: https://github.com/dbolya/yolact论文提出了基于one-stage的目标检+分割的框架YOLACT。类似于YOLO，主打的亮点在于实时性。精度弱于mask-rcnn，但是速度却比mask-rcnn快很多。在MS-COCO上达到了29.8的map和33...

论文：Bag of Freebies for Training Object Detection Neural NetworksGithub:https://github.com/dmlc/gluon-cv论文主要整合了一些常用的目标检测方面，对精度有提升的技巧。文章使用了yolo-v3和faster rcnn进行了实验。最终，yolo-v3，精度提升4.0%fa...

论文：Receptive Field Block Net for Accurate and Fast Object DetectionGithub：https://github.com/ruinmessi/RFBNet ECCV2018论文基于Receptive Fields (RFs) ，提出了RF Block (RFB) ，然后基于RFB,对以VGG16为基础架构的ssd进行了...

论文：Scale-Aware Trident Networks for Object DetectionGithub：https://github.com/TuSimple/simpledet/tree/master/models/tridentnet 图森的工作论文提出了TridentNet ，基于ResNet-101 的基础骨架网络在coco数据集上达到了单模型48.4的准确性...

a LIBrary for PArt-Based Object Detection（libpabod）是一个基于c++的目标检测的库。深度学习之下算是比较不错的库了。安装步骤：（1）zlib下载链接：http://zlib.net（2）HDF5下载链接：https://www.hdfgroup.org/（3）MATIO下载链接：https://sourceforge....

论文：Mask R-CNN Github:https://github.com/facebookresearch/Detectron 论文主要基于检测框架faster RCNN的基础上，增加了一个实例分割的head分支模块，从而实现Instance segment。实际速度可以达到5fps。 RCNN，fast RCNN，faster RCNN，mask RCNN进化史：R...

论文：CornerNet: Detecting Objects as Paired KeypointsGithub：https://github.com/umich-vl/CornerNet ECCV2018 Oral，作者美国密歇根大学heilaw ，论文提出了基于左上和右下2点的有别于传统检测的检测框架，该框架是一种自下而上的检测框架。是一种先有检测顶点，再有物体边框的思想。而传统...

Face++ 2017年的作品。主要基于RFCN的改进，基于2种基础框架backbone得出2种模型。以ResNet101为基础网络的大模型，具有比faster RCNN更高的精度，以类似Xception为基础网络的小模型，比SSD，YOLO更快。 类似Xception的网络结构如下图所示。 下图分析了faster RCNN，RFCN，Light-Head R-CNN，三个...

faster RCNN选自2015年 NIPS， Faster R-CNN: Towards Real-Time Object Detection withRegion Proposal Networks正如上图所示，检测不同尺度(scale)，不同长宽比(aspect ratios)的目标物通常的3种做法。（a）Pyramids of images，缩放图像来达到不同的s...

Fast RCNN 出自Ross Girshick 的2015 ICCV Fast R-CNN，对RCNN做了很大的改进，用VGG16训练，速度提升9倍多，测试速度提升213倍多，在VOC2012刷出了0.66的mAP。这篇论文除了讲解了作者自己的模型外，还对里面应用的好多trick进行了验证，非常值得从头到尾都看完啊。 Fast RCNN的几个优势：（1）比RCNN，SPPnet...

之前在ubuntu下搞过，没有弄出来，想起来实在是不甘心，现在重新拾起，感觉学的还是迟了好几年啊。 RCNN 出自2014 cvpr Rich feature hierarchies for accurate object detection andsemantic segmentation 该文章主要提出了以下3个点，(1)CNN网络结构，采用selective search...

论文解读篇：YOLO出自2016 CVPR You Only Look Once:Unified, Real-Time Object Detection，也是一个非常值得学习的框架，不得不说facebook的技术就是牛啊。整个训练和检测框架都是端到端，YOLO达到了45帧每秒，Fast YOLO达到了155帧每秒，除了刚开始加载模型有点慢，检测部分确实是非常的快。...

 从下图可以看出，YOLOv2不管是速度还是精度都超过了SSD300，和YOLOv1相比，确实有很大的性能的提升。这名字也起的darknet，就跟黑魔法一样，是那么的奏效，不得不佩服老外的起名啊。 论文思想篇：该论文为YOLO9000:Better, Faster, Stronger非常值得一看的论文。 Better：batch Normalization:在卷基...

该方法出自2016年的一篇ECCV的oral paper，SSD: Single Shot MultiBoxDetector，算是一个革命性的方法了，非常值得学习和研究。  论文解析： SSD的特殊之处主要体现在以下3点：（1）多尺度的特征图检测（Multi-scale），如SSD同时使用了上图所示的8*8的特征图和4*4特征图。（2）相比于YOLO，作者使用的是卷积层...

Anchor策略：yolov3延续了yolov2的anchor策略，基本没有变化。边框的表示方式通过框的中心坐标bx,by，和框的宽bw，高bh这4个变量来表示。实际预测的值为tx,ty,tw,th。由tx,ty,tw,th得到bx,by,bw,bh的详细公式如上图，其中，cx，cy为框的中心坐标所在的grid cell 距离左上角第一个grid cell的cell...

MegDet为face++ 提出的通用检测框架。整体结构为类似于faster RCNN的2层结构，基础网络类似于Resnet50。获得了2017 COCO检测第一名，发表于cvpr 2018。文章主要讲解大mini-batch这个训练技巧，实现了在大mini-batch下的精度提升1.5个点。 小mini-batch的缺点：（1）训练时间太长。（2）小的batch对于b...

论文：Acquisition of Localization Confidence for Accurate Object DetectionGithub：https://github.com/vacancy/PreciseRoIPooling ECCV 2018 oralFace++ 论文贡献：改进传统NMS，提出IoU-guided NMS 改进ROI Pooli...

论文：Feature Pyramid Networks for Object Detection Github：https://github.com/facebookresearch/deepmask cvpr2017，凯明的大作 论文提出多尺度的物体检测算法，特征金字塔Feature Pyramid Network (FPN) 。原来多数的物体算法都是只采用顶层特征做预测，像...

 论文：YOLO-LITE: A Real-Time Object Detection Algorithm Optimized for Non-GPU Computers Github：https://github.com/reu2018DL/YOLO-LITE  论文致力于设计一个网络（cpu速度大于10FPS，PASCAL VOC精度大于30%），因此基于YOLO-v2，提...