深度学习下,目标检测一些算法

目标检测算法
https://www.cnblogs.com/MY0213/p/9858383.html

https://www.cnblogs.com/MY0213/p/9460562.html


faster rcnn
https://blog.csdn.net/weixin_39749553/article/details/88070100

https://blog.csdn.net/weixin_43198141/article/details/90178512

https://www.cnblogs.com/wangyong/p/8523814.html

https://www.cnblogs.com/wangyong/p/8513563.html

https://www.cnblogs.com/wangyong/ 可以关注他的博客


RCNN
https://blog.csdn.net/wodemimashi125/article/details/81591362?ops_request_misc=&request_id=&biz_id=102&utm_term=RCNN%20&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-4-81591362.first_rank_v2_pc_rank_v29&spm=1018.2226.3001.4187

版权声明:本文为CSDN博主「我的辉」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/huihui__huihui/article/details/122291591

我的辉

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

Anchor和RPN的浅薄理解(一)-Anchor Box和特征的对应

首先:一幅图说明一切(创作不易,欢迎订阅(*^_^*)) 明确第一个概念:anchor是特征上的每个像素映射到原图上的相应位置的点,其位置是在原始图像上。anchor box是以anchor为中心按照预先设定的比例和尺寸得到的矩形框,其位置也是

CVPR2021: Sparse R-CNN新的目标检测模型

今天我们将讨论由四个机构的研究人员提出的一种方法,其中一个是字节跳动人工智能实验室。他们为我们提供了一种新的方法,称为稀疏R-CNN(不要与 Sparse R-CNN 混淆,后者在 3D 计算机视觉任务