神经网络

关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式计算机视觉研究院专栏作者：Edison_G为了解决目标检测任务中小目标检测精度低、误检、漏

一、Faster-RCNN目标检测算法的介绍 Faster-RCNN 算法由于其较高的检测准确率成为主流的目标检测算法之一，相比较 YOLO系列算法，Faster-RCNN 速度方面略显不足，平均检测

前言 这篇文章记录的是我在公司实习用深度学习做车辆信息识别项目时，用来做车辆检测的算法。因为我们公司面向的边缘端计算，边缘盒子的计算能力有限，所以我们在做算法研究时，就尽量选用轻量级算法

1. UC  Merced  Land-Use（用于土地利用研究的可见光遥感图像数据集，图片取自USGS National  Map  Urban  Area  Imagery系列） 2.NWPU V

目录 数据集 模型选择 使用预训练权重 训练设置 图像大小 批处理大小 超参数 Tensorflow Lite模型部署实战教程是一系列嵌入式Linux平台上的模型部署教程。 🌲基于的硬件平台：i.MX

Deformable ConvNets v2: More Deformable, Better Results Deformable ConvNets v2 论文链接: https://arxiv.org/abs/1811.11168 一

实际目标检测回归任务中的Loss ● Smooth L1 Loss： ● L1、L2、Smooth L1作为目标检测回归Loss的缺点： 1）坐标分别计算：x、y、w、h分别回归&#xf

Towards Open World Object Detection 开放世界的目标检测 论文地址：https://arxiv.org/abs/2103.02603 代码地址：GitHub - JosephKJ

YOLO是You-Only-Look-Once的缩写，它无疑是根据COCO数据集训练的最好的对象检测器之一。YOLOv4是最新的迭代版本，它在准确性和性能之间进行了权衡，使其成为最先进的对象检测器之一。

基于深度学习的目标检测算法面试必备（RCNN~YOLOv5） 目标检测算法主要包括：【两阶段】目标检测算法、【多阶段】目标检测算法、【单阶段】目标检测算法 什么是两阶段目标检测算法，与单