目標檢測之Faster R-CNN、SSD以及YOLO原理與實現
05-17
目標檢測之Faster R-CNN、SSD以及YOLO原理與實現
來自專欄 機器學習
本來想自己閱讀論文和源碼來介紹這兩種目前較為優越的方法,一知乎搜索發現有優秀的人已經造了輪子了,輪子有了,我便轉載一下,在於節省大家找好資源的時間。
閱讀文章時可能會遇到的概念:邊框回歸(Bounding Box Regression),
非極大值抑制(non maximum suppression)
關於邊框回歸,我推薦一篇文章
邊框回歸(Bounding Box Regression)詳解 - CSDN博客關於非極大值抑制,我推薦一篇文章
NMS--非極大值抑制 - CSDN博客- Faster R-CNN
白裳丶:一文讀懂Faster R-CNN
- SSD
小白將:目標檢測|SSD原理與實現
建議讀完上面的文章再讀一下下面的文章-------SSD論文翻譯
SSD: Single Shot MultiBox Detector翻譯(包括正式版和預印版)(對原文作部分理解性修改)如果想了解SSD的相關論文,可以參考下面的文章
方良驥:SSD 系列論文總結
- YOLO
小白將:目標檢測|YOLO原理與實現小白將:目標檢測|YOLOv2原理與實現(附YOLOv3)
推薦閱讀:
※skimage例子學習(四)exposure模塊介紹及gamma和log對數調整
※caffe 編譯bug匯總
※圖像檢索(一):因緣際會與前瞻
※【論文筆記】Unlabeled Samples Generated by GAN Improve the Person Re-identification Baseline in
※機器視覺在不同行業的應用分析