faster rcnn论文_52 个深度学习目标检测模型汇总,论文、源码一应俱全!(附链接)...
来源:AI有道
本文约2000字,建议阅读5分钟
本文给你总结52个深度学习检测模型。
标签:计算机视觉目标检测作为计算机视觉中的一个重要分支,近些年来随着神经网络理论研究的深入和硬件 GPU 算力的大幅度提升,一举成为全球人工智能研究的热点,落地项目也最先开始。纵观 2013 年到 2020 年,从最早的 R-CNN、OverFeat 到后来的 SSD、YOLO v3 再到去年的 M2Det,新模型层出不穷,性能也越来越好!本文将完整地总结 52 个目标检测模型极其性能对比,包括完备的文献 paper 列表。首先直奔主题,列出这 52 个目标检测模型(建议收藏):这份目标检测超全的技术路线总结来自于 GitHub 上一个知名项目,作者是毕业于韩国首尔国立大学电气与计算机工程专业的 Lee hoseong,目前已经收获 7.3k star。该项目地址是:
https://github.com/hoya012/deep_learning_object_detection
该技术路线纵贯的时间线是 2013 年到 2020 年初,上图总结了这期间目标检测所有具有代表性的模型。图中标红的部分是相对来说比较重要,需要重点掌握的模型。
更新日志
值得一提的是红色石头早在去年年初的时候已经发文给大家推荐过这个项目,作者也一直在更新,截至 2020 年 2 月,作者主要的更新如下:
- 2019.2:更新3篇论文
- 2019.3:更新图表和代码链接
- 2019.4:更新 ICLR 2019 和 CVPR 2019 论文
- 2019.5:更新 CVPR 2019 论文
- 2019.6:更新 CVPR 2019 论文和数据集论文
- 2019.7:更新 BMVC 2019 论文和部分 ICCV 2019 论文
- 2019.9:更新 NeurIPS 2019 论文和 ICCV 2019 论文
- 2019.11:更新部分 AAAI 2020 论文和其它论文
- 2020.1:更新 ICLR 2020 论文和其它论文
下面详细介绍!
模型性能对比表
由于硬件不同(例如 CPU、GPU、RAM 等),来比较 FPS 往往不够准确。更合适的比较方法是在同一硬件配置下测量所有模型的性能。以上所有模型的性能对比结果如下:从上面的表格中,可以清楚看到不同模型在 VOC07、VOC12、COCO 数据集上的性能表现;同时列出了模型论文发表来源。下面列举一些重点标红的模型进行简要介绍。
模型论文篇
2014 年R-CNNRich feature hierarchies for accurate object detection and semantic segmentation | [CVPR' 14]论文:https://arxiv.org/pdf/1311.2524.pdf官方代码 Caffe:https://github.com/rbgirshick/rcnnOverFeatOverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks | [ICLR' 14]论文:https://arxiv.org/pdf/1312.6229.pdf官方代码 Torch:https://github.com/sermanet/OverFeat2015 年Fast R-CNNFast R-CNN | [ICCV' 15]论文:https://arxiv.org/pdf/1504.08083.pdf官方代码 caffe:https://github.com/rbgirshick/fast-rcnnFaster R-CNNFaster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks | [NIPS' 15]论文:https://papers.nips.cc/paper/5638-faster-r-cnn-towards-real-time-object-detection-with-region-proposal-networks.pdf官方代码 caffe:https://github.com/rbgirshick/py-faster-rcnn非官方代码 tensorflow:https://github.com/endernewton/tf-faster-rcnn非官方代码 pytorch:https://github.com/jwyang/faster-rcnn.pytorch2016 年OHEMTraining Region-based Object Detectors with Online Hard Example Mining | [CVPR' 16]论文:https://arxiv.org/pdf/1604.03540.pdf官方代码 caffe:https://github.com/abhi2610/ohemYOLO v1You Only Look Once: Unified, Real-Time Object Detection | [CVPR' 16]论文:https://arxiv.org/pdf/1506.02640.pdf官方代码 c:https://pjreddie.com/darknet/yolo/SSDSSD: Single Shot MultiBox Detector | [ECCV' 16]论文:https://arxiv.org/pdf/1512.02325.pdf官方代码 caffe:https://github.com/weiliu89/caffe/tree/ssd非官方代码 tensorflow:https://github.com/balancap/SSD-Tensorflow非官方代码 pytorch:https://github.com/amdegroot/ssd.pytorchR-FCNR-FCN: Object Detection via Region-based Fully Convolutional Networks | [NIPS' 16]论文:https://arxiv.org/pdf/1605.06409.pdf官方代码 caffe:https://github.com/daijifeng001/R-FCN非官方代码 caffe:https://github.com/YuwenXiong/py-R-FCN2017 年YOLO v2YOLO9000: Better, Faster, Stronger | [CVPR' 17]论文:https://arxiv.org/pdf/1612.08242.pdf官方代码 c:https://pjreddie.com/darknet/yolo/非官方代码 caffe:https://github.com/quhezheng/caffe_yolo_v2非官方代码 tensorflow:https://github.com/nilboy/tensorflow-yolo非官方代码 tensorflow:https://github.com/sualab/object-detection-yolov2非官方代码 pytorch:https://github.com/longcw/yolo2-pytorchFPNFeature Pyramid Networks for Object Detection | [CVPR' 17]论文:http://openaccess.thecvf.com/content_cvpr_2017/papers/Lin_Feature_Pyramid_Networks_CVPR_2017_paper.pdf非官方代码 caffe:https://github.com/unsky/FPNRetinaNetFocal Loss for Dense Object Detection | [ICCV' 17]论文:https://arxiv.org/pdf/1708.02002.pdf官方代码 keras:https://github.com/fizyr/keras-retinanet非官方代码 pytorch:https://github.com/kuangliu/pytorch-retinanet非官方代码 mxnet:https://github.com/unsky/RetinaNet非官方代码 tensorflow:https://github.com/tensorflow/tpu/tree/master/models/official/retinanetMask R-CNNMask R-CNN | [ICCV' 17]论文:http://openaccess.thecvf.com/content_ICCV_2017/papers/He_Mask_R-CNN_ICCV_2017_paper.pdf官方代码 caffe2:https://github.com/facebookresearch/Detectron非官方代码 tensorflow:https://github.com/matterport/Mask_RCNN非官方代码 tensorflow:https://github.com/CharlesShang/FastMaskRCNN非官方代码 pytorch:https://github.com/multimodallearning/pytorch-mask-rcnn2018 年YOLO v3YOLOv3: An Incremental Improvement | [arXiv' 18]论文:https://pjreddie.com/media/files/papers/YOLOv3.pdf官方代码 c:https://pjreddie.com/darknet/yolo/非官方代码 pytorch:https://github.com/ayooshkathuria/pytorch-yolo-v3非官方代码 pytorch:https://github.com/eriklindernoren/PyTorch-YOLOv3非官方代码 keras:https://github.com/qqwweee/keras-yolo3非官方代码 tensorflow:https://github.com/mystic123/tensorflow-yolo-v3RefineDetSingle-Shot Refinement Neural Network for Object Detection | [CVPR' 18]论文:http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhang_Single-Shot_Refinement_Neural_CVPR_2018_paper.pdf官方代码 caffe:https://github.com/sfzhang15/RefineDet非官方代码 chainer:https://github.com/fukatani/RefineDet_chainer非官方代码 pytorch:https://github.com/lzx1413/PytorchSSD2019 年M2DetM2Det: A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network | [AAAI' 19]论文:https://arxiv.org/pdf/1811.04533.pdf官方代码 pytorch:https://github.com/qijiezhao/M2Det2020 年Spiking-YOLOSpiking-YOLO: Spiking Neural Network for Real-time Object Detection | [AAAI' 20]论文:https://arxiv.org/pdf/1903.06530.pdf
数据集论文篇
同时作者也列出了以上模型通常使用的公开数据集:VOC、ILSVRC、COCO,如下表所示:用于目标检测的数据集相关论文如下:以上就是 52 个深度学习检测模型汇总介绍。该项目可以说把近几年的目标检测模型总结得很不错了,包括论文和源码。希望对大家有所帮助!编辑:于腾凯校对:林亦霖
faster rcnn论文_52 个深度学习目标检测模型汇总,论文、源码一应俱全!(附链接)...相关推荐
- 52 个深度学习目标检测模型汇总,论文、源码一应俱全!(附链接)
来源:AI有道 本文约2000字,建议阅读5分钟 本文给你总结52个深度学习检测模型. 标签:计算机视觉 目标检测作为计算机视觉中的一个重要分支,近些年来随着神经网络理论研究的深入和硬件 GPU 算力 ...
- 52 个深度学习目标检测模型汇总,论文、源码一应俱全
本文约2000字,建议阅读5分钟 本文给你总结52个深度学习检测模型. 标签:计算机视觉 目标检测作为计算机视觉中的一个重要分支,近些年来随着神经网络理论研究的深入和硬件 GPU 算力的大幅度提升,一 ...
- 目前最全:52 个深度学习目标检测模型汇总,论文、源码一应俱全!
文章来源:https://zhuanlan.zhihu.com/p/115035951 作者:红色石头 目标检测作为计算机视觉中的一个重要分支,近些年来随着神经网络理论研究的深入和硬件 GPU 算力的 ...
- 深度学习目标检测网络汇总对比,挺好的
深度学习目标检测网络汇总对比 本文总阅读量次 欢迎star我的博客 2019-01-03 参考 :https://medium.com/@jonathan_hui/object-detection-s ...
- <计算机视觉 六> 深度学习目标检测模型的评估标准
鼠标点击下载 项目源代码免费下载地址 <计算机视觉一> 使用标定工具标定自己的目标检测 <计算机视觉二> labelme标定的数据转换成yolo训练格式 <计算机 ...
- 深度学习目标检测模型全面综述:Faster R-CNN、R-FCN和SSD
为什么80%的码农都做不了架构师?>>> Faster R-CNN.R-FCN 和 SSD 是三种目前最优且应用最广泛的目标检测模型,其他流行的模型通常与这三者类似.本文介绍了 ...
- 【论文解读】深度学习目标检测的开山鼻祖 |R-CNN详解 | 两阶段目标检测代表
目录 前言 目标检测近年里程碑 深度学习目标检测 1 R-CNN简介 1.1 何为R-CNN? 1.2 摘要 1.2.1 论文综述 1.2.2 优点汇总 1.2.3 缺点汇总 2. RCNN网络结构解 ...
- 深度学习目标检测方法汇总
目标检测简介 目标检测是计算机视觉的一个重要研究方向,是指从一个场景(或图片)中找到感兴趣的目标.任务大致分为三个流程: 从场景中提取候选区 从候选区提取特征 识别候选区的类别并对有效的候选框进行 ...
- 深度学习目标检测模型综述
还是学习啊 勿怪勿怪 给自己好保存而已哦 论文地址:https://arxiv.org/pdf/2104.11892.pdf whaosoft aiot http://143ai.com 此分享中调查 ...
最新文章
- 在Objective C中定义私有的成员变量
- centos7离线安装metasploit
- linux无密码sudo,在Linux系统中运行没有sudo密码的特定命令
- C# StreamReader类和StreamWriter类
- 领域应用 | 常识性概念图谱建设以及在美团场景中的应用
- Qt文档阅读笔记-最简单的动态3D圆环实例
- java hexits,[Java]浅谈Java的异常体系
- commit git 删除文件夹_Git-git删除文件夹/文件(删除/不删除本地文件/文件夹)
- JSP直接调用一个action定向到页面
- poj 1703 并查集
- [渝粤教育] 中国地质大学 中外美术史 复习题 (2)
- sqlserver功能选择_即将开课 | SQL Server 开发课程
- Mac OS X:解决开机黑屏时间长(恢复秒开)
- generic_make_request函数处理bio流程分析
- Flash 声音频谱图一
- 超好用的网盘下载工具---PanDownload
- 电脑上如何图片文字识别?哪个工具识别的准确?
- 忽尔今夏,SpringSide 3.0
- java cookie设置注意事项
- 流量卡之家:5G网速快慢取决于多方面因素 实际应用难达到理论速度
热门文章
- 用sqoop将mysql的数据导入到hive表中,原理分析
- Google最热开源项目
- 用Python标准库turtle画一头金牛,祝您新年牛气冲天!
- jquery $加一个点后面加个名称的意思
- 正则表达式过滤文本,replace的使用
- 两个简单的Demo示例向读者展示Flash和ASP.NET交互原理以及过程
- Entity Framework (EF)/Linq To entity/ ESQL(entity sql)区别 ADO.NET Entity Framework:来自微软官方的ORM框架
- db2 语句包括不必要的列表_列表推导和生成器表达式的滥用
- Delphi 7下最小化到系统托盘
- 线性代数【12】矢量(向量) - 概念和专有名词