weixin_43331421的博客

YOLO（You Only Look Once）是一种单阶段目标检测框架，自2015年首次提出以来，已经经历了多个版本的演进，每个版本都在速度和精度上取得了显著的改进。文章发布时间作者及组织代码链接创新点等。希望通过本篇文章，可以对YOLO网络的发展历程、性能水平有个快速的了解，为进一步的深入学习奠定基础。

梳理了最新的下弱小目标检测数据库，方便后续开发使用

受试者工 作特性曲线（Receiver Operating Characteristic curve, ROC)，又称为感受性曲线（sensitivity curve）。是一种坐标图式的分析工具，是由二战中的电子和雷达工程师发明的，发明之初是用来侦测敌军飞机、船舰，后来被应用于医学、生物学、犯罪心理学。

特征图金字塔网络(Feature Pyramid Networks，FPN)，是一种在2017年提出的网络结构，主要解决的是物体检测中的多尺度问题。FPN通过简单的网络连接改变，实现了在不显著增加原有模型计算量的前提下，显著提升了小物体检测的性能。FPN的设计理念是利用不同层的特征图进行预测，这些特征图具有不同的尺度和语义信息。

RCNN，第一个成功将深度学习应用到目标检测上的算法，可以说是利用深度学习进行目标检测的开山之作，是Two-Stage算法的代表，即先生成候选区域，再利用CNN进行识别分类。

目标检测技术以其独特的魅力和无可比拟的实用价值，成为计算机视觉领域的璀璨明珠。目标检测技术旨在模仿人类视觉系统的功能，通过算法模型，定位并识别图像或视频中的具体目标。从早期的简单算法到现今的深度学习方法，这一领域经历了飞速的发展，其应用范围也从简单的图像分类扩展到了复杂的三维空间识别。本文旨在梳理一个目标检测技术的概览，包括其基本概念、主流技术、应用领域，以及这个领域的发展历程和未来趋势，并总结了各种评价指标来衡量目标检测模型的性能。

计算机视觉（Computer Vision，CV）是一门研究如何让机器具备“看”的能力的学科，最基本的任务包含四项：分类、定位、检测和分割；可以说其他关键任务都是在四项基本任务的基础上延伸开来的。