0
点赞
收藏
分享

微信扫一扫

计算机视觉研究院目标检测精选系列(附论文下载)

计算机视觉研究院目标检测精选系列(附论文下载)_目标检测

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!


计算机视觉研究院目标检测精选系列(附论文下载)_github_02


计算机视觉研究院目标检测精选系列(附论文下载)_计算机视觉_03

2021CVPR系列

计算机视觉研究院目标检测精选系列(附论文下载)_目标检测_04




  • ​​CVPR2021 | Facebook提出FP-NAS:搜索速度更快、分类精度更高、性能更好​​
  • ​​CVPR21目标检测新框架:不再是YOLO,而是只需要一层特征(干货满满,建议收藏)​​
  • ​​CVPR2021深度框架训练:不是所有数据增强都可以提升最终精度​​
  • ​​CVPR2021:IoU优化——在Anchor-Free中提升目标检测精度(附源码)​​
  • ​​CVPR2021目标检测:少见的知识蒸馏用于目标检测(附论文下载)​​
  • ​​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)​​
  • ​​CVPR2021单目深度估计:腾讯光影研究室优势夺冠,成果落地应用​​
  • ​​CVPR21小目标检测:上下文和注意力机制提升小目标检测(附论文下载)​​
  • ​​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)​​

计算机视觉研究院目标检测精选系列(附论文下载)_目标检测_05



计算机视觉研究院目标检测精选系列(附论文下载)_计算机视觉_03

目标检测类

计算机视觉研究院目标检测精选系列(附论文下载)_目标检测_04




  • ​​PPCNN:细粒度特征提取和定位用于目标检测(附论文下载)​​
  • ​​双尺度残差检测器:无先验检测框进行目标检测(附论文下载)​​
  • ​​Fast YOLO:用于实时嵌入式目标检测(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​​

计算机视觉研究院目标检测精选系列(附论文下载)_目标检测_05



计算机视觉研究院目标检测精选系列(附论文下载)_计算机视觉_03

四边形检测

计算机视觉研究院目标检测精选系列(附论文下载)_目标检测_04




  • ​​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)​​

计算机视觉研究院目标检测精选系列(附论文下载)_目标检测_05



计算机视觉研究院目标检测精选系列(附论文下载)_计算机视觉_03

Yolo系列

计算机视觉研究院目标检测精选系列(附论文下载)_目标检测_04




  • ​​yolov5部署到iPhone或终端实践全过程(论文源码福利)​​
  • ​​Poly-YOLO:更快,更精确的检测(主要解决Yolov3两大问题,附源代码)​​
  • ​​YOLOv5-Lite:更少的参数、更高的精度、更快的检测速度(附C++部署分享)​​
  • ​​除了Yolo的其他选择,轻量级检测网络层出不穷(框架解析及部署实践)​​
  • ​​YOLOS:通过目标检测重新思考Transformer(附源代码)​​
  • ​​Micro-YOLO:探索目标检测压缩模型的有效方法(附论文下载)​​
  • ​​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)​​

计算机视觉研究院目标检测精选系列(附论文下载)_目标检测_05




计算机视觉研究院目标检测精选系列(附论文下载)_计算机视觉_03

实践

计算机视觉研究院目标检测精选系列(附论文下载)_目标检测_04




  • ​​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​​
  • ​​除了Yolo的其他选择,轻量级检测网络层出不穷(框架解析及部署实践)​​
  • ​​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​​

计算机视觉研究院目标检测精选系列(附论文下载)_目标检测_05




© THE END 



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!

计算机视觉研究院目标检测精选系列(附论文下载)_github_18

举报

相关推荐

0 条评论