目标检测
关注
分享
扫一扫
文章平均质量分 82
目标检测是计算机视觉领域的核心任务之一，也是智能安防、自动驾驶、工业质检等应用落地的基石。然而，该领域发展迅猛，经典框架与前沿技术交叠，初学者容易迷失在R-CNN、YOLO、SSD、Anchor-Free、Transformer等庞杂的概念中；进阶者又常苦于难以系统梳理技术演进的逻辑与工程落地的细节
yongche_shi
十年以上程序开发与系统架构经验，擅长从零到一构建稳定可靠的技术基石。坚信技术创造价值，是持续学习的新技术倡导者和AI技术发烧友。目前重点关注AI赋能应用，致力于探索如何用AGI技术重塑软件与产品的未来形态。
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
YOLO系列学习（二）：YOLOv2——Better, Faster, Stronger，全面升级之路
文章摘要 YOLOv2（YOLO9000）在CVPR 2017提出，针对YOLOv1的定位误差大、小目标漏检问题进行了全面改进。核心创新包括：引入批归一化（BN）和高分辨率预训练提升模型稳定性；通过锚框机制和维度聚类优化边界框预测，使mAP提升15.2%至78.6%；设计Darknet-19主干网络和细粒度特征融合，平衡速度与精度。此外，多尺度训练增强了模型鲁棒性。YOLOv2在保持实时性（40 FPS）的同时支持超9000类检测，成为单阶段检测的重要里程碑。原创 2026-07-21 20:15:29 · 277 阅读 · 0 评论 -
YOLO系列学习（一）：从计算机视觉到YOLOv1——目标检测的范式革命
YOLO目标检测算法学习笔记 本文是YOLO系列学习的第一篇文章，主要介绍了目标检测的基础知识和YOLOv1的核心思想。YOLOv1的技术细节和优缺点原创 2026-07-17 19:35:39 · 2217 阅读 · 0 评论