目标检测究竟发展到了什么程度? | 聊一聊目标检测发展的这22年（很好的总结）

最新推荐文章于 2024-12-09 15:26:19 发布
转载 最新推荐文章于 2024-12-09 15:26:19 发布 · 223 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://mp.weixin.qq.com/s/xCI6EFbKClVGl10P4iojbw
文章标签：

#目标检测

博客探讨了目标检测的发展程度，回顾了其22年的发展历程，聚焦于目标检测这一信息技术领域的关键内容。
基于深度学习的目标检测算法研究进展
weixin_70923796的博客
07-14 1024
摘　要：目标检测是指在视频或图片序列中把感兴趣的目标与背景区分,是在图像中确定目标是否存在且确定目标位置的过程，是计算机视觉领域中的主要研究方向。目标检测主要应用于人脸识别、无人驾驶、指控和安防等领域，起到人工智能赋能传统应用的作用。目标检测的核心是算法。目前，目标检测算法主要分为两大类，第一类是基于手工设计特征的传统算法，第二类是基于深度学习的目标检测算法。近年来，基于深度学习的目标检测算法成为发展的主流，算法性能也远超手工设计特征的传统算法。该研究进展主要聚焦基于深度学习的主流目标检测算法，分析基于锚点
YOLOv10改进：小目标涨点系列篇 | 多头检测器，提升小目标检测能力
会AI的学姐
06-12 1027
YOLOv10有3个检测头，能够多尺度对目标进行检测，但对微小目标检测可能存在检测能力不佳的现象，因此添加一个微小物体的检测头，能够大量涨点，map提升明显；
目标检测历史进展
MR CODER
10-18 597
早期目标检测流程 （1）候选框生成 （2）特征向量提取 （3）区域分类 DeepLearning 时代目标检测 （1）二阶检测器（如CNN，（R-CNN）及其变体） 首先使用候选框生成器生成稀疏的候选框集，然后使用深度卷积网络编码生成候选框的特征向量，最后使用区域分类器预测候选框区域类别 （2）一阶检测器（如YOLO） 直接对特征图像上的每个位置进行类别预测 二阶检测器性能更优，一阶...
2024年目标检测研究进展
yunxinan的专栏
03-10 5254
目标检测、yolov9、RT-DERT
目标检测究竟发展到了什么程度？| 目标检测发展22年
nanlaidefeng的博客
10-03 158
目标检测究竟发展到了什么程度？| 目标检测发展22年
目标检测进展
zhangyifei0115
07-13 1313
一、方法概述 1.目标检测 计算机视觉中的主要任务包括： （1）分类：（指what）把不同类别区分，图片属于猫还是属于狗。 （2）识别：(指which)识别目标是个啥，既能识别是猫还是狗，又能识别是哪只特定的猫。 （3）定位（localization）：(指where)除了需要预测出图片的类别，你还要定位出这个物体的位置，把这个物体框起来。 （4）检测：（指what+where）不仅要说图片里有什...
显著性目标检测：一项调查
最新发布
m0_59899305的博客
12-09 2500
人类能够在预注意阶段轻松快速地检测到视觉上独特的（所谓的显着）场景区域。然后，在专注阶段，这些过滤后的区域会被更精细地感知和处理，以提取更丰富的高级信息。认知科学家对这一能力已研究许久，而近来它在计算机视觉领域也引起了诸多关注，主要是因为它有助于找出能够有效表征场景的物体或区域，这在诸如场景理解等复杂的视觉问题中是很有用的一个步骤。
02- 目标检测基础知识及优化思路汇总 (目标检测)
March_A的博客
05-07 1403
在目标检测深度学习的训练过程中，正负样本的比例其实不均衡的，因为标注的数据就是正样本，数量肯定是固定的，为了保证正负样本的均衡，所以会选取一定的背景图片作为负样本，但是背景图片的样本集是一个open-set，不可能全部参与训练。，是VOC-07，08，09目标检测比赛的赢家，它是HOG方法的拓展。早期目标检测中，是提取特征加上分类器这样一个套路来进行目标检测的，分类器一般是线性分类器，但是线性分类器没有非线性分类器效果好，例如svm就是非线性的，所以加速分类器的运行也是提升检测算法速度的一个方法。
22_单阶段目标检测-SSD算法理论
https://github.com/foxpup11?tab=repositories
07-11 1846
https://www.bilibili.com/video/BV1fT4y1L7Gi/?spm_id_from=333.999.0.0&vd_source=7dace3632125a1ef7fd32c285eb2fbac
目标检测YOLO实战应用案例100讲-基于图像增强的鸟类目标检测
qq_36130719的博客
01-09 3066
伴随着1997年人工智能深蓝赢得了国际象棋冠军后，人工智能迎来了巨大的 变革。现在，人工智能已渗透到了人类生活的方方面面，对人类社会产生了重要 的影响，使生产能力、技术以及工具等均产生了巨大的变化。人工智能时代是一 个脑力时代，人工智能技术的成熟极大地促进了人类社会的发展，使人类社会获 得了巨大的进步。AI在现实生活中可以发挥重要的作用，能够替代劳动力，有利 于控制各项成本，增加效率，已被引入到了很多不同的行业，极大的促进了各产 业的转型升级。
目标检测论文合集链接
improving
01-02 664
https://blog.youkuaiyun.com/e01528/article/details/79730249 https://github.com/amusi/awesome-object-detection 最新进展：https://zhuanlan.zhihu.com/p/46595846
目标检测进展slide - 代季峰
长风破浪会有时，直挂云帆济沧海
01-30 1492
原文：目标检测进展slide - 代季峰 - AIUAI Recent Progress in Object Detection -slide 作者：Jifeng Dai 团队：Visual Computing Group，Microsoft Research Asia 1. 目标检测问题定义 2. 自 CVPR 2017 后的进展 代季峰，2009年和2014年分别获得...
目标检测算法进展大盘点
吴建明wujianming_110117
03-13 2892
目标检测算法进展大盘点 一．早期的目标检测盘点 将从多个方面回顾对象检测的历史，包括里程碑检测器、目标检测数据集、指标和关键技术的发展。在过去的10年中，人们普遍认为，目标检测的发展大致经历了两个历史时期：“ 传统的目标检测时期 ” ( 2014年以前 ) 和 “ 基于深度学习的检测时期 ” ( 2014年以后 )，如下图所示。 01传统检测器 如果把今天的物体检测看作是深度学习力量下的一种技术...
目标检测算法的研究现状
AI从业者的专栏
07-01 3734
一阶段检测器如YOLO（You Only Look Once）和SSD（Single Shot MultiBox Detector）等，通过直接在图像上设置大量的预定义锚框（anchor boxes），并预测其类别和位置，实现快速的目标检测。Faster R-CNN的损失函数包括RPN的分类损失、RPN的边界框回归损失、Fast R-CNN的分类损失和Fast R-CNN的边界框回归损失。多模态大模型在目标检测领域的应用日益广泛，它们通过结合文本、图像等多种模态的信息，提高了目标检测的准确性和效率。
2023年目标检测综述文章解读——Object Detection in 20 Years: A Survey
lishanlu136的博客
08-06 5123
目标检测近20年技术综述
最新目标检测算法回顾2022笔记
热门推荐
xiaobaizaza_Ry的博客
05-23 1万+
目标检测算法回顾2022笔记[附PPT]总目录篇章1：目标检测的应用与需求篇章2：目标检测的定义与挑战篇章3：目标检测损失函数的进展篇章4：目标检测IOU的发展历程篇章5：目标检测评价指标及数据集篇章6： 目标检测算法的发展概览篇章7：目标检测传统算法的发展篇章8：基于anchor based的目标检测算法发展之two-stage篇篇章9：基于anchor based的目标检测算法发展之one-stage篇[篇章10：基于anchor free的目标检测算法发展](https://blog.youkuaiyun.com
2023年目标检测研究进展
yunxinan的专栏
08-20 7842
1：本文主要总结近两年的部分目标检测成果2：本文通过这些研究给出学派发展方向参考3：本文针对理论基础研究进行探索性的分析4：个人目前相关工作内容的一些基本的介绍（命名实体识别，文献情报分析，摘要内容生成，亚像素图像处理，超分辨图像处理，编码器，解码器，生成器，判别器，基于加瓦罗定理与海涅定理的认知计算理论研究，基于多模态可编程异构的下一代芯片设计，互联式实时芯片操作系统）
目标检测20年（Object Detection in 20 Years）
scott198512的博客
02-25 3662
目标检测20年综述，400篇文献汇总
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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