目标检测——各方面学习笔记汇总

最新推荐文章于 2024-11-29 10:30:00 发布
最新推荐文章于 2024-11-29 10:30:00 发布
阅读量514 收藏 3
点赞数
分类专栏： 目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/s000da/article/details/90447050
版权
本文记录了作者在目标检测领域的学习过程，以目录形式汇总，涵盖目标检测综述、入门指南、two - stage方法、one - stage方法以及目标检测中的Loss等内容，具体学习笔记可查看各详细链接。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

写在前面

本文记录了自己对目标检测领域的学习过程，是目录形式的一个汇总，具体学习笔记见各详细链接。

目标检测综述

阅读资料阅读情况
综述论文 
干货 | 基于深度学习的目标检测算法综述 
干货 | 目标检测入门，看这篇就够了（已更完） 
  
  

目标检测入门指南

阅读资料阅读情况
增加检测类别？这是一份目标检测的基础指南 
干货 | 基于深度学习的目标检测算法综述 
  
  
  

two-stage方法

阅读资料阅读情况
mask RCNN 
  
  

one-stage方法

阅读资料阅读情况
单级式目标检测方法概述：YOLO与SSD 
  
  

目标检测中的Loss

阅读资料阅读情况
focal losshttps://blog.youkuaiyun.com/s000da/article/details/89671525
  
  

 

 

 

论文阅读笔记 | 三维目标检测——PartA2算法
Clichong
11-25 1787
PointRCNN中发现了基于点云的3d目标中相比2d检测有一个与生俱来的优势，就是3d的标注框不仅提供了检测的目标框，同时还提供语义分割的前景点（也就是目标框中的点）。**在PartA2中，作者进一步发现了我们不仅可以获得需要检测的标注框及其包括的前景点，我们还可以获得每个前景点在标注框中的空间分布信息，或者说是每个前景点在标注框内的相对位置信息**。在现有的研究下，其实并没有完全的将3d标注框的信息完全利用上，这种前景点在标注框的分布信息是有利于提高3d检测网络的性能的。
深度学习笔记——模型部署
最新发布
haopinglianlian的博客
11-30 1103
本文简要概括模型部署的知识点，包括步骤和部署方式。
目标检测学习
qq_53582111的博客
03-06 2407
一、古典目标检测流程 第一部分：训练集构造 正样本：就是手工标记的GT区域为正样本 负样本: 使用SS(选择搜索Selective Search)方法对区域进行融合--> 计算每个候选区域（Region Proposals、bouding boxes）与真实标记区 域GT之间的重合,如果区域A与GT的重合度在20-50%之间,而且A与其他的 任何一个已生成的负样本之间的重合度不大于70%,则A被采纳为负样本; 第二部分：提取每个正\负样本的特征 HOG特征 + bag-of-wor
【目标检测】计算机视觉目标检测算法学习记录（含综述及比赛记录）
王博（Kings）的博客
05-07 2147
目录 Github目标检测算法大全（包含图）： 刷榜排名记录： 目标检测综述论文： 文章学习可以参考博客 论文截图： Github目标检测算法大全（包含图）： https://github.com/hoya012/deep_learning_object_detection 刷榜排名记录： http://host.robots.ox.ac.uk:8080/leade...
【Det】目标检测学习记录汇总
WeiY1的博客
12-26 209
目标检测学习，做个记录
目标检测学习笔记（一）——YoloV4环境配置及代码实现
Stretch9776的博客
06-28 2862
文章目录前言环境配置参考一、yoloV3算法原理及实现yolov3 算法原理主干提取网络 Darknet53 介绍残差网络Darknet53预测部分训练部分其他参考二、YoloV4 算法原理YOLOV4改进的部分主干特征提取网络Backbone三、YoloV4 算法程序实现1 训练及预测步骤训练 P10VOC2007文件夹 和 voc2yolo4.pyvoc_annotation.pytrain.py预测 P11yolo.py 代码修改predict.py 预测说明train.py 参数说明P12coun
深度学习笔记——AE、VAE
haopinglianlian的博客
11-29 1358
本笔记介绍深度学习中两个重要的模型：AE、VAE。
机器学习笔记——30种常见机器学习算法简要汇总
haopinglianlian的博客
11-17 2214
本笔记介绍机器学习中常见的30种机器学习算法。
深度学习 目标检测 大全
12-26
深度学习 目标检测 算法大全列表 吐血总结 实用 涵盖主流算法
目标检测学习路径（上）
weixin_38925422的博客
04-02 811
目录目标检测定义一些细节说明需要了解的基础经典论文（目标检测）参加比赛，攒项目经历的基本流程参加比赛的时间精力分配问题评测指标模型大小如何符合要求三个值得注意的，需要权衡的参量 目标检测 第一篇博客，跟随老司机入门目标检测。 仅限入门知识，不包含技巧。 天池斩风：天池CV赛事老司机，手把手带你入门目标检测赛题. 定义 目标检测是对输入的图片或者视频，使用矩形区域表示出来并分类。 最后一张图是语义...
目标检测学习（一）
qq_51098172的博客
10-06 1032
R-CNN、Fast R-CNN以及Faster RCNN
目标检测YOLO系列学习记录
weixin_42102791的博客
10-12 623
目标检测YOLO系列学习记录前言一、YOLOv1二、YOLOv2 前言 最近要用到目标检测网络，为了更好理解YOLO系列检测算法，跟着bilibili的up主（视频链接）学习一下，同时做一些笔记加深印象。 一、YOLOv1 首先将图片分成S*S个grid cell（S=7），如果目标的中心落在某个cell里，那么这个cell就负责预测这个目标，每个网格预测B个bounding box（B=2）。除了预测位置之外，附带预测一个confidence值和C（VOC数据集的C=20）个类别的分数。SSD和Fa.
目标检测学习-TridentNet
wwb12138的博客
08-20 532
1.研究背景 1.1 图像金字塔 图像金字塔如下图Fig1所示是一种以多分辨率来解释图像的结构，通过对原始的图像进行不同尺度的像素采样的方法，生成多个不同分辨率的图像。将生成的图像按照分辨率的大小从大到小进行排列，这就构成了一个图像金字塔，图像金字塔可以用在解决目标检测在处理多尺度变化问题。 1.2 特征金字塔 在绝大多数目标检测网络中，如下图Fig2特征金字塔（Feature Pyramid Network，FPN）是一个不可缺少的部分，FPN网络主要解决的问题是目标检测在处理多尺度变化问题.
YOLO目标检测学习
南桥几经秋
11-25 582
1、目标检测概述 目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。 计算机视觉中关于图像识别有四大类任务： 分类 - Classification：解决 “是什么？” 的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。 定位 - Location：解决 “在哪里？” 的问题，即定位出这个
目标检测学习-EfficientDet
wwb12138的博客
08-17 509
1.背景介绍 在绝大多数目标检测网络中，如下图Fig1特征金字塔（Feature Pyramid Network，FPN）是一个不可缺少的部分，FPN网络主要解决的问题是目标检测在处理多尺度变化问题的不足。FPN主要有以下两个作用：1）多尺度特征融合，提高了特征的丰富程度；2）使用分治法，将目标检测任务按照目标尺寸不同，分成若干个检测子任务。 2. 文中挑战 Challenge 1：高效的多尺度特征融合 关于不同输入特征的融合，大部分的融合是不对特征进行区分的，只是简单的将特征汇总加和起来。然而
目标检测 深度学习
u012910595的博客
09-12 8967
目标检测对于人来说是再简单不过的任务，但是对于计算机来说，它看到的是一些值为0~255的数组，因而很难直接得到图像中有人或者猫这种高层语义概念，也不清楚目标吃现在图像中那个区域。图像中的目标可能出现在任何位置，目标的形态可能存在各种各样的变化，图像的背景千差万别……，这些因素导致目标检测并不是一个容易解决的任务。 得益于深度学习——主要是卷积神经网络和候选区域算法，从2014年开始，目标检测取得
目标检测学习（吴恩达深度学习）
qq_38212976的博客
02-10 275
目标检测 目标分类与定位（classification with localization） 滑动窗口的卷积实现 YOLO algorithm 交并比（Intersection over union） 非极大值抑制（Non-max suppression） 1.目标分类与定位 训练一个卷积神经网络，标签为类别和边界框的坐标值，labels={c,bx,by,bh,bw} 2.滑动窗口的卷积实现...
面向对象编程基础——Java学习笔记
"Java学习笔记是一份非常适合Java初学者的资料，主要讲解了Java的面向对象编程概念，强调了面向对象编程的优点和实践方法。笔记中涵盖了类、对象、属性和方法等基础知识，并讨论了对象的高内聚、低耦合原则以及复用...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值