文章目录[隐藏]
Object Detection：不仅要识别图片中各种类别的目标，还要把他们的位置找出来用矩形框框住
根据目标检测算法的流程可以分成两类：
一种是Two-Stage算法，它将检测目标主要分为两个部分。1）通过专门模块去生成候选框。2）寻找前景以及调整边界框。例如，Faster R-CNN。
另一种是One-Stage算法，它直接基于anchor进行分类以及调整边界框。例如，SSD、YOLO。
两种方式各有各的特点，Two-Stage的检测精度高一点，但检测速度慢。One-Stage则相反。
相关论文
R-CNN：《Rich feature hierarchies for accurate object detection and semantic segmentation》
Fast R-CNN：《Fast R-CNN》
Faster R-CNN：《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》
SSD：《SSD: Single Shot MultiBox Detector》
YOLO v1：《You Only Look Once: Unified, Real-Time Object Detection》
YOLO v2：《YOLO9000: Better, Faster, Stronger》
YOLO v3：《YOLO v3: An Incremental Improvement》
YOLO v4：《YOLOv4: Optimal Speed and Accuracy of Object Detection》
YOLO v5：只有算法，没有论文。
版权声明：本文为CSDN博主「YMWM_」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/YMWM_/article/details/122228679
暂无评论