基于深度学习的目标检测发展历程:deep_learning_object_detection
目标检测论文从 2014-2018
模型表现表格
| Detector | VOC07 (mAP@IoU=0.5) | VOC12 (mAP@IoU=0.5) | COCO (mAP) | Published In |
|---|---|---|---|---|
| R-CNN | 58.5 | – | – | CVPR’14 |
| OverFeat | – | – | – | ICLR’14 |
| MultiBox | 29.0 | – | – | CVPR’14 |
| SPP-Net | 59.2 | – | – | ECCV’14 |
| MR-CNN | 78.2 (07+12) | 73.9 (07+12) | – | ICCV’15 |
| AttentionNet | – | – | – | ICCV’15 |
| Fast R-CNN | 70.0 (07+12) | 68.4 (07++12) | – | ICCV’15 |
| Faster R-CNN | 73.2 (07+12) | 70.4 (07++12) | – | NIPS’15 |
| YOLO v1 | 66.4 (07+12) | 57.9 (07++12) | – | CVPR’16 |
| G-CNN | 66.8 | 66.4 (07+12) | – | CVPR’16 |
| AZNet | 70.4 | – | 22.3 | CVPR’16 |
| ION | 80.1 | 77.9 | 33.1 | CVPR’16 |
| HyperNet | 76.3 (07+12) | 71.4 (07++12) | – | CVPR’16 |
| OHEM | 78.9 (07+12) | 76.3 (07++12) | 22.4 | CVPR’16 |
| MPN | – | – | 33.2 | BMVC’16 |
| SSD | 76.8 (07+12) | 74.9 (07++12) | – | ECCV’16 |
| GBDNet | 77.2 (07+12) | – | 27.0 | ECCV’16 |
| CPF | 76.4 (07+12) | 72.6 (07++12) | – | ECCV’16 |
| MS-CNN | – | – | – | ECCV’16 |
| R-FCN | 79.5 (07+12) | 77.6 (07++12) | 29.9 | NIPS’16 |
| PVANET | – | – | – | NIPSW’16 |
| DeepID-Net | 69.0 | – | – | PAMI’16 |
| NoC | 71.6 (07+12) | 68.8 (07+12) | 27.2 | TPAMI’16 |
| DSSD | 81.5 (07+12) | 80.0 (07++12) | – | arXiv’17 |
| TDM | – | – | 37.3 | CVPR’17 |
| FPN | – | – | 36.2 | CVPR’17 |
| YOLO v2 | 78.6 (07+12) | 73.4 (07++12) | – | CVPR’17 |
| RON | 77.6 (07+12) | 75.4 (07++12) | – | CVPR’17 |
| DCN | – | – | – | ICCV’17 |
| DeNet | 77.1 (07+12) | 73.9 (07++12) | 33.8 | ICCV’17 |
| CoupleNet | 82.7 (07+12) | 80.4 (07++12) | 34.4 | ICCV’17 |
| RetinaNet | – | – | 39.1 | ICCV’17 |
| Mask R-CNN | – | – | – | ICCV’17 |
| DSOD | 77.7 (07+12) | 76.3 (07++12) | – | ICCV’17 |
| SMN | 70.0 | – | – | ICCV’17 |
| YOLO v3 | – | – | 33.0 | Arxiv’18 |
| SIN | 76.0 (07+12) | 73.1 (07++12) | 23.2 | CVPR’18 |
| STDN | 80.9 (07+12) | – | – | CVPR’18 |
| RefineDet | 83.8 (07+12) | 83.5 (07++12) | 41.8 | CVPR’18 |
| MegDet | – | – | – | CVPR’18 |
| RFBNet | 82.2 (07+12) | – | – | ECCV’18 |
论文列表：https://github.com/hoya012/deep_learning_object_detection
未经允许不得转载，请联系zhouas@hotmail.com获取授权：目标检测 » 基于深度学习的目标检测发展历程:deep_learning_object_detection
http://www.taodudu.cc/news/show-1486416.html
相关文章：
- [转]caffe-ssd中 net.forward（）返回值
- opencv学习笔记01
- opencv学习笔记02
- [转]CPU/GPU/TPU/NPU...XPU都是什么鬼
- 一文搞懂 CPU、GPU 和 TPU
- 安装Whl文件时提示 ....whl is not a valid wheel filename
- [转]PDB——Python调试利器详解
- [转]从青铜到王者，一文教你节省90%内存占用
- [转]秒杀全网！研发、运营必备实用工具网站
- [转]知乎大神YaqiLYU关于tracking方向的2013-2016趋势总览！！！强烈推荐！！！
- [转]【建议收藏】优秀实用的OpenCV开源项目汇总
- python中的return的返回与执行
- opencv学习笔记05
- opencv学习笔记06
- 多线程bug处理记录
- gcc,make和cmake
- openCVPracticalExercise学习笔记01
- openCVPracticalExercise学习笔记02
- python阅读wtfbook疑问和验证
- python为list实现find方法
- python标准库学习笔记
- [转]看懂 Serverless，这一篇就够了
- [转]Serverless，后端小程序的未来
- python进阶22再识单例模式
- django进阶05中间件
- django进阶06数据库事务
- django进阶07用户模块与权限系统
- openCVPracticalExercise学习笔记03
- openCVPracticalExercise学习笔记04
- [转]Cuda笔记【1】GPU计算DEMO
基于深度学习的目标检测发展历程:deep_learning_object_detection相关推荐
- 基于深度学习的目标检测的研究进展2
普通的深度学习监督算法主要是用来做分类,如图1(1)所示,分类的目标是要识别出图中所示是一只猫.而在ILSVRC(ImageNet Large Scale Visual Recognition Cha ...
- 独家总结| 基于深度学习的目标检测详解
欢迎关注微信公众号[计算机视觉联盟] 获取更多前沿AI.CV资讯 基于深度学习的目标检测 基于深度学习的目 ...
- 病虫害模型算法_基于深度学习的目标检测算法综述
sigai 基于深度学习的目标检测算法综述 导言 目标检测的任务是找出图像中所有感兴趣的目标(物体),确定它们的位置和大小,是机器视觉领域的核心问题之一.由于各类物体有不同的外观,形状,姿态,加上成像 ...
- 综述 | 基于深度学习的目标检测算法
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自:计算机视觉life 导读:目标检测(Object Det ...
- 基于深度学习的目标检测算法综述（一）
基于深度学习的目标检测算法综述(一) 基于深度学习的目标检测算法综述(二) 基于深度学习的目标检测算法综述(三) 本文内容原创,作者:美图云视觉技术部 检测团队,转载请注明出处 目标检测(Object ...
- 基于深度学习的目标检测技术演进：从目标检测到人脸检测
本篇博客主要转载两篇写得好的分别介绍基于深度学习的目标检测和人脸检测的文章,最近在调研基于深度学习的人脸检测相关的文章,在网上查相关资料时,有幸看到.文末附带基于深度学习的目标检测和人脸检测相关经典文 ...
- 一种基于深度学习的目标检测提取视频图像关键帧的方法
摘要:针对传统的关键帧提取方法误差率高.实时性差等问题,提出了一种基于深度学习的目标检测提取视频图像关键帧的方法,分类提取列车头部.尾部及车身所在关键帧.在关键帧提取过程中,重点研究了基于SIFT特征 ...
- 基于深度学习的目标检测算法综述（二）
转自:https://zhuanlan.zhihu.com/p/40020809 基于深度学习的目标检测算法综述(一) 基于深度学习的目标检测算法综述(二) 基于深度学习的目标检测算法综述(三) 本文 ...
- 学习笔记之——基于深度学习的目标检测算法
国庆假期闲来无事~又正好打算入门基于深度学习的视觉检测领域,就利用这个时间来写一份学习的博文~本博文主要是本人的学习笔记与调研报告(不涉及商业用途),博文的部分来自我团队的几位成员的调研报告(由于隐私 ...
最新文章
- eclipse egit(分支管理 上)
- 解决Windows下新安装的CodeBlocks无法编译运行
- IDEA连接数据库自动生成实体类
- java实现int类型数组元素拷贝
- 【转自CodeSheep】程序猿好书推荐
- 简述园路的功能作用_智能式多功能电表解析
- OpenVINO——配置与道路分割案例
- 【报告分享】2020年重点行业薪酬趋势指南.pdf（附下载链接）
- 使用RTL-SDR打开车门
- 比特率和波特率有什么区别吗？
- WDM驱动和NT式驱动
- python aes new_python AES 加密
- 征途服务器修改,特色修改之(国家任务篇)
- vue 图片画框获取坐标
- 混频器/变频器的原理及分类
- Delphi中，如何读取资源文件？
- dijkstra算法详解加例题分析 NOIP 2012 文化之旅
- 计算机网络传输层简介
- 推荐给中学生的数学课外书：《几何原本》
- Unity 延时的三种方法