熊猫小妖的AI世界

目录 1 R-CNN系列（1） R-CNN灵感来源：Selective search for object recognition（2） R-CNN开山之篇：R-CNN（3） R-CNN起承转合之笔：Fast R-CNN（4） R-CNN完全深度学习大成篇：Faster R-CNN 2 YOLO系列（5）YOLO系列最快的仔：YOLO V1（6）YOLO系列重要续作：YOLO V2（5）YOLO系列原创性idea里程碑：YOLO V3（6）YOLO官方交接之棒：YOLO V4：（7）YOLO非官方异军突起、

国内官网官网官方教程。

有关anything相关的主流任务: 2d检测相关（AnyObject）, 3d检测相关（Any3D）,AI生成相关（AnyGeneration）, AI模型优化相关(), AI任务相关, etc.AnyObject - 分割、检测、分类、医学图像、OCR、姿态等。AnyGeneration - 文本到图像的生成、编辑、修复、样式转换等。Any3D - 3D 生成、分割等。AnyModel - 任何修剪、任何量化、模型重使用。

减少全局注意力计算量。引入卷积局部归纳偏置。

论文链接：https://arxiv.org/abs/1712.00726代码链接：https://github.com/zhaoweicai/cascade-rcnn目标检测一般是通过　iou (预测proposal与gt　bbox交并比)阈值，来进行正负样本的划分，一般会取0.5，这并不算高。iou阈值越高理论上应该和gt　bbox越接近，但是这样训练会导致检测效果的(检测指标，例如mAP)大大下降。主要原因有以下２点：(1)　iou越高，训练过程中正样本数目越少，容易发生过拟合(2)　推理阶段

目标识别有两大经典结构: 第一类是以Faster RCNN为代表的二阶段识别方法，这种结构的第一阶段专注于proposal的提取，第二阶段则对提取出的proposal进行分类和精确坐标回归。二阶段结构准确度较高，但因为第二阶段需要单独对每个proposal进行分类/回归，速度就打了折扣；目标识别的第二类结构是以YOLO和SSD为代表的单阶段结构，它们摒弃了提取proposal的过程，只用一级就完成了识别/回归，虽然速度较快但准确率远远比不上两级结构。那有没有办法在单阶段结构中也能实现较高的准确度呢？

目录1.简介前言链接汇总2.主干网络2.1 总体网络2.2 bounding box预测2.3 class prediction2.4 loss计算3.实验数据3.1 数据环比4. 未竟之业5. Reference1.简介前言yolo系列是由Joseph Redmon为主导，跟他导师Ali合作的最后一个作品（2018年），也是当时目标检测一阶段的SOTA，做到了实时性和准确性的兼顾，可谓是火爆全球。但是因为其本人的政治（白左，所谓“反战“）和个人倾向原因（一夜暴富？！），这个喜好“粉红系pony”的作

目录前言1.简介1.1 YOLO由来1.2 摘要1.3 代码2.YOLO网络结构详解2.1 整体介绍2.2 主干网络2.3 分类和定位方法2.4 loss计算3.实验和评估4.Reference前言关于YOLO系列的初始作者–Joseph Redmon,说实话真的是个典型的米国白左，辣眼睛的CV，不知道的还以为是那个少女心泛滥的中二，祭出来镇楼：Joseph Redmon想立就立、想当就当，想退圈就退圈，反正自己公司已经被大厂收购，早就实现了财富自由，唉，真的是。。。。anyway, 有一说一，这

目录前言论文导读R-CNN系列发展1 简介2 Faster R-CNN网络结构2 实验和评估前言论文导读【论文解读】 图像分割 & 目标识别 | Selective Search和python实现| ＜Selective Search for Object Recognition＞【论文解读】深度学习目标检测的开山鼻祖 |R-CNN详解 | 两阶段目标检测代表【论文解读】目标检测的发展之作|Ross大神续作 | Fast R-CNNR-CNN系列发展R-CNN 将深度学习应用到目标

目录前言1 简介1.1 摘要1.2 paper自述的主要贡献2 Fast R-CNN网络结构2.1 网络结构概览2.2 提取img ROI候选框2.3 获取feature map ROI2.3.1 从整张图提取整体图像特征(feature map)2.3.1 从img ROI映射到feature map ROI2.4 ROI pooling2.5 Truncated SVD for FC2.5.1 什么要进行SVD？2.5.2 怎么进行SVD分解？2.5.2 为什么会极大减少运行时间？2.6 softmax

目录前言目标检测近年里程碑深度学习目标检测1 R-CNN简介1.1 何为R-CNN?1.2 摘要2.Fast RCNN网络结构解析2.1 整体结构概览2.2 region proposals ---- selective search2.3 back bone --- AlexNet & vgg2.4 classfication --- SVM2.5 regression3.论文亮点4. 实验过程和结论5. 其他Reference前言目标检测近年里程碑上图，回顾近20年来的图像检测和识别的历

目录前言1 图像分割和目标识别过程:1.1 训练过程1.2 测试过程2 论文最大亮点 - selective search method2.1 主要思路：2.2 核心实现2.2.1 分析了颜色空间2.2.2 相似性判断标准的多样性2.2.3 初始region选择的多样性3 python源码说明3.1 相似度的实现3.2 主函数Reference前言此处只是叙述ss(selective search method)主体功能, 并且使用网上的简易实现版本-python代码,方便讲解. 官方MATLAB

目录1.前言1.1 历史渊源1.2 论文梗概1.3 效果说明2.Object detection models综述3.state-of-art目标检测技法综述3.1 思维导向图3.2 Bag of freebies数据增强数据分布偏差BBox优化3.3 Bag of specials4.YOLOv4 整体结构5.创新点综述6.学术词汇解释Reference1.前言1.1 历史渊源yolo原始作者Joseph Redmon 2020.2已经退出CV界，来自俄罗斯大神AlexeyAB接棒蓄力、在darkn