目標檢測主要有兩個分支，分別為one stage與two stage。為了深入了解，整理一些較好的部落格。
r-cnn系列
r-cnn系列1
r-cnn
bounding box 回歸
fast r-cnn
faster r-cnn
\qquad
rpn網路的輸出到底是什麼？按照每個3*3的感受野**得到的尺寸跟對映到原影象的proposal，跟rpn網路最後輸出的proposal有什麼關係？
\qquad
rpn網路在特徵圖的每個3 * 3的中心分別得到原圖中×
\times
× 的proposal，然後按照與目標框的iou大小去選取，即a）iou>0.7為正樣本；b）iou<0.3為負樣本；c）其餘捨棄；d）超過邊界的捨棄；
yolo-v1
yolo-v2
yolo-v3
\qquad
yolo的nms（非極大值抑制），網路得到輸出後，將bounding box得分小於0.2的置零。然後按照得分大小排序，得到得分最大的框，然後計算其他框與該框的iou，去掉重複較大的框，即iou>0.5，然後按照框得分大小選擇得分最大的框。
yolo nms
focal loss主要解決one-stage演算法中正負樣本不均衡的問題，通過改變交叉熵獲得。
focal loss
語義分割 目標檢測 IOU計算相關
intersection over union是一種測量在特定資料集中檢測相應物體準確度的乙個標準。我們可以在很多物體檢測挑戰中，例如pascal voc challenge中看多很多使用該標準的做法。通常我們在 hog linear svm object detectors 和 convoluti...
深度學習 目標檢測相關部落格鏈結
這篇部落格主要記錄網上看到覺得寫還不錯的部落格鏈結，但其中不乏有主題重複的文章。有相同方向的同學可以關注一下這篇部落格，一起討論目標檢測方面的問題。部落格會一直更新，如果很長時間沒有看到我更新，那可能我已經轉行了，哈哈，開個玩笑。計算機視覺基礎 最近鄰插值 雙線性插值 雙三次插值 非極大值抑制演算法...
目標檢測 目標檢測通用框架總結
目標檢測框架個人總結 以下是筆記中包含的內容 目標檢測網路框架總結 yolov4中有圖 從最開始的神經網路到現在深度更深，模組更多的目標檢測深度學習神經網路，如今大致可以分為two stage detector 典型的為rcnn系列 和 one stage detector 典型為yolo系列 每個...