目标检测

引言 现有的深度学习的目标检测方法，可以大致分为两类：一、基于候选区域的目标检测方法；二、基于回归的目标检测方法。依据方法的提出时间，可以构建出如下时间线：
2014 CV

参考文章
瑕疵检测（深度学习） 缺陷检测算法汇总（传统深度学习方式）|综述、源码 汇总 | 深度学习实现缺陷检测方法 基于机器视觉的表面缺陷检测存在哪些问题与难点 缺陷检测机器视觉在制造

什么是mAP呢？这里的m是mean，平均值，所以搞懂AP是什么就行了。
AP即平均精确度。那么目标检测任务中，如何衡量一个模型的平均精确度？
通常来讲有两个指标。
P&

前言
YOLO是一种目标检测方法，它的输入是整张图片，当检测到目标物体时用边界框圈起来，同时给该目标物体一个类别；边界框由中心位置、宽、高等来表示的；它的输出是n个物体的检测信息，每个物体的信息包括：中心位置(x,y)、高(h)、宽(w)、类

项目链接：https://github.com/AlexeyAB/darknet
一、如何在命令行中使用编译好的darknet程序
On Linux use ./darknet instead of darknet.exe,

Mmdetection RuntimeError(‘Invalid DISPLAY variable’)
from mmdet.apis import init_detector, inference_detector
import mmcv

摘要：本文介绍两种端到端训练通用目标检测算法--DETR和DeFCN。通用目标检测作为计算机视觉中一个基础的任务，对着图像理解、信息提取有着极为重要的意义。对于该任务目前已经发展出了许多方法，如基于全卷

摘要 SSD (Single Shot Multibox Detector)：   是目前最好的目标检测算法之一，它具有精度高、速度快的优点。然而SSD的特征金字塔检测方法难以融合不同尺度的特征。   FSSD&#x

文章下载： YOLOX-Exceeding YOLO Series in 2021.pdf 摘要
本篇文章中，我们展示了在 YOLO 系列检测器上的改进，并获得了一个高性能的目标检测器 —— YOLO

mmdetectionGitHub地址：「链接」mmdetection是商汤和香港中文大学基于pytorch开源的一个深度学习目标检测工具，包括了RPN、Fast R-CNN、Faster R-CNN、Mask R-