目标检测精选系列,目前最全的总结!(附论文下载)


计算机视觉研究院专栏

作者:Edison_G

我们计算机视觉研究最近分享了较多目标检测领域的干货,今天我们就来总结下目前目标检测的技术趋势及未来发展的新方向!

目标检测精选系列,目前最全的总结!(附论文下载)_第1张图片

公众号ID|ComputerVisionGzq

学习群|扫码在主页获取加入方式

MONDAY

2021CVPR系列

  • CVPR2021 | Facebook提出FP-NAS:搜索速度更快、分类精度更高、性能更好

  • CVPR2021佳作 | One-Shot都嫌多,Zero-Shot实例样本分割

  • CVPR2021佳作 | 重新标记ImageNet:从全局标签到局部标签(附github代码及论文)

  • 华为CVPR2021 | 加法网络应用于图像超分辨率(附github源码及论文下载)

  • CVPR2021目标检测 | Weighted boxes fusion(附github源码及论文下载)

目标检测类

  • PPCNN:细粒度特征提取和定位用于目标检测(附论文下载)

  • 自监督目标检测:不用在ImageNet上训练的目标检测(附论文下载)

  • 特别小的目标检测识别(附论文下载)

  • SSFENet | 增强空间和语义特征用于目标检测(附论文下载)

  • 目标检测 | 基于统计自适应线性回归的目标尺寸预测

  • 新目标检测框架 | 基于改进的one-shot的目标检测

  • 目标检测干货 | 多级特征重复使用大幅度提升检测精度(文末附论文下载)

  • SSD7-FFAM | 对嵌入式友好的目标检测网络,为幼儿园儿童的安全保驾护航

四边形检测

  • 旋转目标检测 | 基于高斯Wasserstein距离损失的目标检测(附源代码)

  • 旋转的检测框 | 校准的深度特征用于目标检测(附实现源码)

  • 带角度的检测框 | 校准的深度特征用于目标检测(附实现源码)

Yolo系列

  • yolov5部署到iPhone或终端实践全过程(论文源码福利)

  • 超越 YOLOv5,1.3M 超轻量,高效易用,目标检测领域这一个就够了!

  • 实用目标检测器 | 性能超YoloV5,推理耗时不变(附github源码)

  • 超越YOLOv5的PP-YOLOv2和1.3M超轻量PP-YOLO Tiny都来了!(附源码)

  • Yolo框架大改 |  消耗极低的目标检测新框架(附论文下载)

  • 基于DIou改进的YOLOv3目标检测

  • YOLOv4详细分析 | 细数当前最佳检测框架小细节(附论文及源码下载)

  • 全自动实时移动端AI框架 | YOLO-v4目标检测实时手机端实现

  • 推理速度快YOLOV4五倍的YOLObile:通过压缩编译在移动端实时检测(附论文下载)

实践

  • 代码实践 | 都2021年了,回看5分钟前写的代码就这么难吗?

  • yolov5部署到iPhone或终端实践全过程(论文源码福利)

  • 推理实践落地 | 最详细的Pytorch底层算子扩展总结(文末附源码)

  • 分类干货实践 | 重新标注128万张ImageNet图片:多标签,全面提升模型性能

  • 干货实践 | Anchor优化后在目标检测提升这么明显

  • 优化实践 | 大改ShuffleNetV2网络,注意力机制,csp,卷积裁剪...(附全部开源代码)

  • 代码实践(干货)| 基于Pytorch的人脸姿态检测(附源码)

  • 腾讯优图NCNN详细分析及实践操作(含Yolov5实践)

  • 实践 | Face-API实现人脸识别(附源代码)

  • 实践 | 目前最快精度最高检测框架(EfficientDet)

  • 人脸实践篇 | 基于Caffe的年龄&性别识别

  • 五个案例,三大心得——带你进阶深度学习的实践应用之路

© THE END 

转载请联系本公众号获得授权

计算机视觉研究院学习群等你加入!

计算机视觉研究院主要涉及深度学习领域,主要致力于人脸检测、人脸识别,多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架,我们这次改革不同点就是,我们要着重”研究“。之后我们会针对相应领域分享实践过程,让大家真正体会摆脱理论的真实场景,培养爱动手编程爱动脑思考的习惯!

目标检测精选系列,目前最全的总结!(附论文下载)_第2张图片

扫码关注

计算机视觉研究院

公众号ID|ComputerVisionGzq

学习群|扫码在主页获取加入方式

喜欢就点个在看再走吧

你可能感兴趣的:(人脸识别,计算机视觉,人工智能,gwt,微软)