最近准备静下心来，重新看下目标检测中的一些经典论文：
| 检测方法名称 | 论文 | 代码 |
| CenterNet | Objects as Points | CenterNet |
| Yolov5 | 无 | yolov5 |
| Yolov4 | YOLOv4: Optimal Speed and Accuracy of Object Detection | yolov4 |
| Yolov3 | YOLOv3: An Incremental Improvement | yolov3 |
版权声明：本文为CSDN博主「wait a minute～」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_35975447/article/details/122992047
前面我们在yolov5添加了小目标检测层，进行了训练，但是训练的次数也不是很多，接下来我们使用tensorrt进行四个检测头的yolov5部署。具体如何添加小目标检测层可以查看我上一篇文章。 TensorRT+yolov5:yolov5添加小
将Sparse RCNN阈值设为0.5，通过Resnet与Proposal的实验，得到以下结果： Resnet50 Proposal100 Resnet50 Proposal300 结论：
一. 标注工具 1.Labelme（官网链接） windows环境： 首先安装Anaconda，Python3版本。 安装成功后，打开Anaconda Prompt
计算机视觉是一门研究如何使机器”看“的科学，作为一个学科，它试图建立能够从图像或多维数据中获取”信息“的人工智能系统。 一、检测跟踪 1.MTCNN MTCNN是比较经典快速的人脸检测技术，它可实
暂无评论