目標檢測之YOLO算法:YOLOv1,YOLOv2,YOLOv3,TinyYOLO,YOLOv4,YOLOv5,YOLObile,YOLOF,YOLOX詳解(轉)

YOLO官網:

YOLO v.s Faster R-CNN:

1.統一網絡:YOLO沒有顯示求取region proposal的過程。Faster R-CNN中儘管RPN與fast rcnn共享卷積層,但是在模型訓練過程中,需要反覆訓練RPN網絡和fast rcnn網絡.相對於R-CNN系列的"看兩眼"(候選框提取與分類),YOLO只需要Look Once.

2. YOLO統一爲一個迴歸問題,而R-CNN將檢測結果分爲兩部分求解:物體類別(分類問題),物體位置即bounding box(迴歸問題)。

2. YOLOv1: You Only Look Once: Unified, Real-Time Object Detection

目標檢測之YOLO v1算法: You Only Look Once: Unified, Real-Time Object Detection:

3. YOLOv2 (YOLO9000: Better, Faster, Stronger)

目標檢測之YOLOv2 算法-YOLO9000: Better, Faster, Stronger:

4. YOLOv3: An Incremental Improvement

目標檢測之YOLOv3算法: An Incremental Improvement:

5. Tiny YOLOv3

目標檢測之Tiny YOLOv3算法:

6. YOLOv4: Optimal Speed and Accuracy of Object Detection

目標檢測之YOLOv4算法: Optimal Speed and Accuracy of Object Detection:

7. YOLOv5算法

目標檢測之YOLOv5算法:

8. YOLObile算法

YOLObile:面向移動設備的「實時目標檢測」算法(AAAI 2021):

9. YOLOF算法

YOLOF:You Only Look One-level Feature(CVPR 2021):

10. YOLOX算法

YOLOX: Exceeding YOLO Series in 2021

增添目標檢測數據集PASCAL VOC和COCO詳細解析:

  1. 目標檢測數據集PASCAL VOC詳解:

2. 目標檢測數據集MSCOCO詳解:

[1][2][3][4][5]

參考

  1. ^V1,V2,V3參考地址: https://blog.csdn.net/App_12062011/article/details/77554288
  2. ^V4轉載地址: https://mp.weixin.qq.com/s/Ua3T-DOuzmLWuXfohEiVFw
  3. ^一文讀懂YOLO V5 與 YOLO V4 https://zhuanlan.zhihu.com/p/161083602
  4. ^近距離觀察YOLOv3 https://zhuanlan.zhihu.com/p/40332004
  5. ^Faster-RCNN的anchor和YOLOv3的anchor一樣嗎 https://blog.csdn.net/xiqi4145/article/details/86516511
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章