目标检测网络构成部分,backbone + neck + head?分别代表什么意思,都有哪些网络

文章目录[隐藏]

目标检测网络构成部分

在这里插入图片描述

detector=backbone + neck + head

backbone部分的网络就是负责从图像中提取特征。
neck是放在backbone和head之间的,是为了更好的利用backbone提取的特征。
head这一部分的作用就是用于分类+定位。


backbone


VGG
ResNet (ResNet18, 50, 100)
ResNext
DenseNet
SqueezeNet
Darknet (Darknet19,53)
MobileNet
ShuffleNet
DetNet
DetNAS
SpineNet
EfficientNet (EfficientNet-BO/B7)
CSPResNeXt50
CSPDarknet53


neck


Additional blocks:
SPP
ASPP
RFB
SAM
Path-aggregation blocks:
FPN
PAN
NAS-FPN
Fully-connected FPN
BiFPN
ASFF
SFAM
NAS-FPN

head

Dense Prediction (one-stage):
RPN
SSD
YOLO
RetinaNet
(anchor based)
CornerNet
CenterNet
MatrixNet
FCOS(anchor free)
Sparse Prediction (two-stage):
Faster R-CNN
R-FCN
Mask RCNN (anchor based)
RepPoints(anchor free)

版权声明:本文为CSDN博主「weixin_48780159」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/weixin_48780159/article/details/115573361

weixin_48780159

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

知识蒸馏在目标检测中的应用

知识蒸馏在目标检测中的应用 Knowledge Distillation
日常训练中,我们往往使用复杂的模型,大量的计算资源,以便于能够从非常大,高度冗余的数据中提取信息。假如我们已经训

yolov3-tiny

一、目标检测简介
针对一张图片,根据后续任务的需要,有三个主要层次。
一是分类(Classification),即是将图像结构化为某一类别的信息,用事先确定