【Github】目标检测组会内容分享

最新推荐文章于 2024-06-12 15:15:07 发布
最新推荐文章于 2024-06-12 15:15:07 发布
阅读量737 收藏 1
点赞数
分类专栏： 目标检测经典论文导读 Github 文章标签： 目标检测 深度学习 人工智能
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/wzk4869/article/details/128162073
版权

组会的内容展示为PPT+PDF的形式，讲解目标检测领域比较重要的论文，比如R-CNN、SPP-Net等经典论文，资料已经打包好上传到我的github仓库，仓库地址为：

https://github.com/biluko/Object-detection-paper-explanation-PPT-PDF

在这里插入图片描述

目前更新到第四次组会，会持续更新！

欢迎大家交流学习，也希望大家能够批评指正！

[Python从零到壹] 七十七.图像识别及经典案例篇之目标检测入门普及和ImageAI对象检测详解
杨秀璋的专栏
04-28 1354
前文介绍了人脸检测的应用案例，通过OpenCV快速实现人脸检测。这篇文章将详细讲解目标检测基础知识，并通过ImageAI实现对象检测的经典案例。本文主要介绍目标检测原理，通过七个问题来普及什么是目标检测。然后利用ImageAI实现最简单的目标检测案例，加深读者的印象，本文提供的案例将为读者提供深入的理解，希望您喜欢。
[Python图像识别] 四十五.目标检测入门普及和ImageAI“傻瓜式”对象检测案例详解 (1)
热门推荐
杨秀璋的专栏
08-03 2万+
该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。上一篇文章是图像处理的最后一篇文章，写到这里，第一阶段的44篇Python图像处理就介绍完毕。接下来我们进入Python图像识别第二阶段，该部分主要以目标检测、图像识别以及深度学习相关图像分类为主，将会分享近50篇文章，感谢您一如至往的支持。希望文章对您有所帮助，如果有不足之处，还请海涵~
目标检测最强算法YOLOv4 源码（source：GitHub）
05-15
如果Github下载较慢的话，可以使用这个文件 ，原github地址： ghttps://github.com/AlexeyAB/darknet
什么是目标检测？github项目解析（持续更新中）
weixin_46412999的博客
04-20 7827
人工智能的另一大任务之目标检测。跟着我从零开始，带你剥析github的项目内容，另外从原理掌握它到使用它
GitHub：Anchor-free目标检测最全资料集锦
阿木寺的博客
09-05 747
作者：Amusi Date：2020-09-05 来源：CVer微信公众号 原文：GitHub：Anchor-free目标检测最全资料集锦 前言 Anchor-free 目标检测 无疑是近一两年内目标检测非常重要的研究方向之一，Amusi 觉得特别是得益于DenseBox、CornerNet、FCOS和CenterNet等网络的创新性提出。 近两年里，CVPR 2019、ICCV 2019、CVPR 2020和ECCV 2020上出现了不少anchor-free目标检测的优质工作。“先富带后富”，近来也.
object dection资源
weixin_34032792的博客
05-02 212
https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html
目标检测GitHub网址
zhaokunhnu的博客
06-06 1360
https://www.tensorflow.org/versions/master/api_docs/python/tf/train/Saverhttps://www.tensorflow.org/versions/master/api_docs/python/tf/train/Saver
【YOLOv8改进[Neck]】小目标遮挡检测的性能提升（SEAM、MultiSEAM）- 目标遮挡检测（本文包含代码 + 修改方式等全部内容）
静谧、淡雅
05-27 2277
小目标遮挡检测的性能提升（SEAM、MultiSEAM）- 目标遮挡检测（本文包含代码 + 修改方式等全部内容）,YOLOv8改进。Neck。
基于YOLOv10的微小目标检测，多头检测器提升小目标检测精度
最新发布
06-12 1954
引入多头检测器助力YOLOv10，暴力提升小目标检测性能
yolo目标检测项目
m0_71211610的博客
04-28 932
YOLO，全称为You Only Look Once，是一种实时目标检测算法。图片预处理：将输入的图片调整到特定的尺寸，例如448x448像素。网络处理：将调整尺寸后的图片送入CNN（卷积神经网络）进行处理。预测结果：网络会预测出目标的边界框（bounding box）和类别概率。非极大值抑制：为了去除多余的检测框，提高检测的精度，YOLO算法使用了非极大值抑制（Non-maximum Suppression, NMS）这一步骤。
目标检测(Object Detection)算法合集
08-27
本文总结了近几年来的目标检测算法paper的pdf文档和在github上的代码地址
tensorflow 目标检测_Github 项目推荐 | 使用TensorFlow进行实时目标检测的 API
weixin_39979245的博客
11-23 436
这是一个基于迁移学习的目标检测API，可检测图像、视频或实时网络摄像头中的所有目标。SSD模型和Faster R-CNN模型连同Tensorflow中的标签图一起在Mobile Net COCO数据集上进行了预训练。这些模型用于检测图像、视频或实时网络摄像头中捕获的目标。OpenCV用于流目标和预处理。Github项目地址https://github.com/kaushikjadhav01/Rea...
【目标检测】研究生第四次组会Faster RCNN论文加代码实现汇报PPT（初稿）
wzk4869的博客
12-02 2235
【目标检测】研究生第四次组会Faster RCNN论文加代码实现汇报PPT（初稿）
【目标检测】研究生第一次组会汇报PPT（初稿）（专业术语讲解+论文分析）（100页）（下篇）
wzk4869的博客
10-20 2992
【目标检测】研究生第一次组会汇报PPT（初稿）（专业术语讲解+论文分析）（100页）（下篇）
目标检测之motion---一个老外的github
weixin_34200628的博客
12-11 270
https://github.com/hackeron
GitHub：小目标检测最全资料集锦
阿木寺的博客
10-17 8589
前言 前几天，Amusi分享了Anchor-free目标检测的学习资料，详见 GitHub：Anchor-free目标检测最全资料集锦 大家反映内容很赞，之后不少同学在CVer交流群里追问有没有小目标检测的资料集锦。实际上，小目标检测是目标检测落地应用中非常棘手的问题，比如经常在遥感/无人机目标检测、人脸检测应用中出现。 小目标检测（Small/Tiny Object Detection）概念很好理解，定性分析简单来说就是：相对于图像占比很小的物体，下图直观介绍： 到底占比多少呢？尺寸有多大呢？定量分析，
feature map 可视化之目标检测（提供github链接）
03-02 5008
看了下CAM（classactivationmapping）相关文章，想着自己搞一下YOLOV5 最后输出的三层head的featuremap可视化，好像有点效果。 输出的三张热力图是： 第一张:只靠confidence进行featuremap映射 第二张:只靠classes概率进行featuremap映射 第三张:将confidence*classes进行featuremap映射 第一层head效果： 第二层head效果： 第三层head效果： ...
目标检测
10-18 1万+
在目标检测方法中，首先利用样本（大约几百幅样本图片）的Haar特征进行分类器训练，得到一个联级的 boosted分类器。训练样本分为正例样本和反例样本，其中正例样本是指待检测目标样本，反例样本指其他 意图片，所有的样本图片都被归一化为同样的大小（如20*20）。 分类器训练完以后，就可以应用于输入图像中的感兴趣区域（与训练样本相同的大小）的检测。检测到目标 域分类器输出为1，否则输
炸了！这个GitHub开源项目绝对要火！涵盖OCR功能、语音合成！
GitHub爱好者社区
12-08 5890
点击上方“Github爱好者社区”，选择星标回复“资料”，获取小编整理的一份资料今天小编为大家推荐一个相当牛逼的项目，粗略估计，这个项目价值超过百万当前star 1.9k，但是大胆预判，...
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

打赏作者

旅途中的宽~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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