【目标检测】目标检测通用框架总结

笔记观看链接:目标检测框架个人总结
(PS:推荐是使用笔记观看链接进行阅读,因为很懒不想在博客再排一次版)

以下是笔记中包含的内容:
目标检测网络框架总结(YOLOV4中有图)
从最开始的神经网络到现在深度更深,模块更多的目标检测深度学习神经网络,如今大致可以分为Two-Stage-Detector (典型的为RCNN系列论文)和 One-Stage-Detector(典型为YOLO系列论文),每个网络有可以细分为如下图所示结构:
【目标检测】目标检测通用框架总结_第1张图片
输入(Input): 图像、图像金字塔等;
骨干网络(Backbone):用于提取图片的特征图,常用的有VGG16、ResNet-50、SpineNet、EfficientNet-B0/B7、CSPResNetXt50、CSPDarknet53等;
颈部网络(Neck):
额外模块:SPP、ASPP、RFB、SAM
融合模块:FPN、PAN、NAS-FPN、Full-connected FPN、BiFPN、ASFF、SFAM
头部网络(Head):
Dense Prediction(one-stage)
RPN、SSD、YOLO、RetinaNet(anchor based)
CornerNet、CenterNet、MatrixNet、FCOS(anchor free)
Sparse Prediction(two-stage)
Faster R-CNN、R-FCN、Mask R-CNN(anchor based)
RepPoints(anchor free)
以上基本就是现在目标检测的整体结构,一般对目标检测网络进行改进都是基于各个模块分布进行。
后序会在细化各模块内的具体总结

你可能感兴趣的:(目标检测论文,深度学习,python,计算机视觉,机器学习)