qq_40502460的博客

《Mask R-CNN》 基于 Mask R-CNN的目标检测作者: Kaiming he单位: Facebook Al research（FAR）发表会议及时间:ICCV 2017RCNN发展时间坐标：RCNN ->Fast RCNN->Faster RCNN->Mask RCNN研究成果（Research background）Mask CNN由 Faster RCNN改造而来，该模型为图片中的对象实例产生边界框和分割掩膜。该模型基于FPN和一个ResNet101为主结

《DSSD: Deconvolutional Single Shot Detector》基于DSSD的目标检测作者: Cheng- Yang Fu， Wei Liu单位: UNC Chapel， Amazon Inc发表会议及时间:CVPR 2017研究背景（Research background）DSSD是SSD算法改进分支中最为著名的一个，SSD的其他改进还包括RSSD，SSD的缺点在于其对小目标不够鲁棒。虽然SSD在浅层网络的小网格上可以检测出小物体的位置，但是浅层网络对物体属于哪个类

《SSD:Single Shot MultiBox Detector》 单点多尺度目标检测器作者：Wei Liu，DragomirAnguelov，Dumitru Erhan发表会议及时间：ECCV 2016目标检测 object detection随着人工智能技术的发展，目标检测被广泛地应用于各个商业领域，如自动驾驶、安防监控和机器人等，给我们的生活带来极大的改善，有着极大的使用价值，其研究意义可想而知。目标检测发展历史基于手工特征的目标检测将可疑目标从原始图像中分割出来，然后对分割

《You Only Look Once：Unified，Real-Time Object Detection》基于卷积神经网络的目标检测算法作者：Joseph Redmon，et al单位：华盛顿大学（University of Washington）发表会议及时间：2016 IEEE计算机视觉和模式识别会议论文集论文结构摘要我们介绍一种新的物体检测方法YOLO。与先前的物体检测方法是重新设置分类器来执行检测不同，我们将物体检测方法看做一个回归问题，去预测空间分离的边界框和相关类别概率

《Going Deeper with Convolutions》GoogLeNet作者：Christian Szegedy，Wei Liu，Yangqing Jia，et al.单位：Google Inc.发表会议及时间：CVPR2015作者简介上一篇文章介绍了VGG网络结构，VGG在2014年ImageNet 中获得了定位任务第1名和分类任务第2名的好成绩，而同年分类任务的第一名则是GoogleNet 。论文简介提出：Inception 卷积神经网络架构结果：ILSVRC2014分

《Deep Residual Learning for lmage Recognition》图像识别的深度残差学习作者：Kaiming He，Xiangyu Zhang，Shaoqing Ren，Jian Sun单位：Microsoft Research发表会议及时间：CVPR2016作者简介论文简介现象：更深的神经网络训练效果并不好。核心观念：深层次表征信息是很多视觉任务的核心点“Deep neural networks are more difficult to train”

《Very Deep Convolutional Networks for Large-scale Image Recongnition》基于卷积神经网络的图形分类（经典网络）作者：Karen Simonyan&Andrew Zisserman单位：牛津大学（Visual Geometry Group）发表会议及时间：arXiv 2015论文研究背景：自从2012年AlexNet将深度学习的方法应用到lmageNet的图像分类比赛中并取得state of the art的惊人结果后，

introductionAlexNet是在2012年被发表的一个经典之作，并在当年取得了lmageNet最好成绩。论文全称为《ImageNet Classification with Deep Convolutional Neural Network》，从论文名字可以看出此网络主要用于图像分类任务，为什么叫它AlexNet网络，因为论文第一作者为Alex Krizhevsky，因此命名为AlexNet。注意：AlexNet为经典中的经典，虽然现在用的比较少但是里边用到的一些网络训练技巧，及防过拟合技巧