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