首页 / 深度学习 / 51 个深度学习目标检测模型汇总，论文、源码一应俱全！

51 个深度学习目标检测模型汇总，论文、源码一应俱全！

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了51 个深度学习目标检测模型汇总，论文、源码一应俱全！，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5465字，纯文字阅读大概需要8分钟。

内容图文

51 个深度学习目标检测模型汇总，论文、源码一应俱全！


点击上方“AI有道”，选择“星标”公众号

重磅干货，第一时间送达51 个深度学习目标检测模型汇总，论文、源码一应俱全！ - 文章图片


目标检测（Object Detection）是深度学习 CV 领域的一个核心研究领域和重要分支。纵观 2013 年到 2019 年，从最早的 R-CNN、Fast R-CNN 到后来的 YOLO v2、YOLO v3 再到今年的 M2Det，新模型层出不穷，性能也越来越好！本文将会对目标检测近几年的发展和相关论文做出一份系统介绍，总结一份超全的文献 paper 列表。


模型列表先一睹为快！（建议收藏）


51 个深度学习目标检测模型汇总，论文、源码一应俱全！ - 文章图片


这份目标检测超全的技术路线总结来自于 GitHub 上一个知名项目，作者是 Lee hoseong，项目地址是：


https://github.com/hoya012/deep_learning_object_detection


该技术路线横跨时间是 2014 年至 2019 年，上图总结了这期间目标检测所有重要的模型。图中标红的部分是作者认为比较重要，需要重点掌握的模型。当然每个人有都有各自的评价。


模型性能比较


FPS（速度）索引与硬件规格（如 CPU、GPU、RAM 等）有关，因此很难进行同等比较。解决方案是在具有相同规格的硬件上测量所有模型的性能，但这是非常困难和耗时的。比较结果如下：

51 个深度学习目标检测模型汇总，论文、源码一应俱全！ - 文章图片

51 个深度学习目标检测模型汇总，论文、源码一应俱全！ - 文章图片

下面举例对标红的重要模型进行介绍！


2014 年


R-CNN


Rich feature hierarchies for accurate object detection and semantic segmentation | Ross Girshick, Jeff Donahue, Trevor Darrell, Jitendra Malik | [CVPR' 14]


论文：

https://arxiv.org/pdf/1311.2524.pdf


代码 Caffe：

https://github.com/rbgirshick/rcnn


OverFeat


OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks | Pierre Sermanet, et al. | [ICLR' 14]


论文：

https://arxiv.org/pdf/1312.6229.pdf


代码 Torch：

https://github.com/sermanet/OverFeat


2015 年


Fast R-CNN


Fast R-CNN | Ross Girshick | [ICCV' 15]


论文：

https://arxiv.org/pdf/1504.08083.pdf


代码 caffe：

https://github.com/rbgirshick/fast-rcnn


Faster R-CNN


Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks | Shaoqing Ren, et al. | [NIPS' 15]


论文：

https://papers.nips.cc/paper/5638-faster-r-cnn-towards-real-time-object-detection-with-region-proposal-networks.pdf


代码 caffe：

https://github.com/rbgirshick/py-faster-rcnn


代码 tensorflow：

https://github.com/endernewton/tf-faster-rcnn


代码 pytorch：

https://github.com/jwyang/faster-rcnn.pytorch


2016 年


OHEM


Training Region-based Object Detectors with Online Hard Example Mining | Abhinav Shrivastava, et al. | [CVPR' 16]


论文：

https://arxiv.org/pdf/1604.03540.pdf


代码 caffe：

https://github.com/abhi2610/ohem


YOLO v1


You Only Look Once: Unified, Real-Time Object Detection | Joseph Redmon, et al. | [CVPR' 16]


论文：

https://arxiv.org/pdf/1506.02640.pdf


代码 c：

https://pjreddie.com/darknet/yolo/


SSD


Single Shot MultiBox Detector | Wei Liu, et al. | [ECCV' 16]


论文：

https://arxiv.org/pdf/1512.02325.pdf


代码 caffe：

https://github.com/weiliu89/caffe/tree/ssd


代码 tensorflow：

https://github.com/balancap/SSD-Tensorflow


代码 pytorch：

https://github.com/amdegroot/ssd.pytorch


R-FCN


Object Detection via Region-based Fully Convolutional Networks | Jifeng Dai, et al. | [NIPS' 16]


论文：

https://arxiv.org/pdf/1605.06409.pdf


代码 caffe：

https://github.com/daijifeng001/R-FCN


代码 caffe：

https://github.com/YuwenXiong/py-R-FCN


2017 年


YOLO v2


Better, Faster, Stronger | Joseph Redmon, Ali Farhadi | [CVPR' 17]


论文：

https://arxiv.org/pdf/1612.08242.pdf


代码 c：

https://pjreddie.com/darknet/yolo/


代码 caffe：

https://github.com/quhezheng/caffe_yolo_v2


代码 tensorflow：

https://github.com/nilboy/tensorflow-yolo


代码 tensorflow：

https://github.com/sualab/object-detection-yolov2


代码 pytorch：

https://github.com/longcw/yolo2-pytorch


FPN


Feature Pyramid Networks for Object Detection | Tsung-Yi Lin, et al. | [CVPR' 17]


论文：

http://openaccess.thecvf.com/content_cvpr_2017/papers/Lin_Feature_Pyramid_Networks_CVPR_2017_paper.pdf


代码 caffe：

https://github.com/unsky/FPN


RetinaNet


Focal Loss for Dense Object Detection | Tsung-Yi Lin, et al. | [ICCV' 17]


论文：

https://arxiv.org/pdf/1708.02002.pdf


代码 keras：

https://github.com/fizyr/keras-retinanet


代码 pytorch：

https://github.com/kuangliu/pytorch-retinanet


代码 mxnet：

https://github.com/unsky/RetinaNet


代码 tensorflow：

https://github.com/tensorflow/tpu/tree/master/models/official/retinanet


Mask R-CNN


Kaiming He, et al. | [ICCV' 17]


论文：

http://openaccess.thecvf.com/content_ICCV_2017/papers/He_Mask_R-CNN_ICCV_2017_paper.pdf


代码 caffe2：

https://github.com/facebookresearch/Detectron


代码 tensorflow：

https://github.com/matterport/Mask_RCNN


代码 tensorflow：

https://github.com/CharlesShang/FastMaskRCNN


代码 pytorch：

https://github.com/multimodallearning/pytorch-mask-rcnn


2018 年


YOLO v3


An Incremental Improvement | Joseph Redmon, Ali Farhadi | [arXiv' 18]


论文：

https://pjreddie.com/media/files/papers/YOLOv3.pdf


代码 c：

https://pjreddie.com/darknet/yolo/


代码 pytorch：

https://github.com/ayooshkathuria/pytorch-yolo-v3


代码 pytorch：

https://github.com/eriklindernoren/PyTorch-YOLOv3


代码 keras：

https://github.com/qqwweee/keras-yolo3


代码 tensorflow：

https://github.com/mystic123/tensorflow-yolo-v3


RefineDet


Single-Shot Refinement Neural Network for Object Detection | Shifeng Zhang, et al. | [CVPR' 18]


论文：

http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhang_Single-Shot_Refinement_Neural_CVPR_2018_paper.pdf


代码 caffe：

https://github.com/sfzhang15/RefineDet


代码 chainer：

https://github.com/fukatani/RefineDet_chainer


代码 pytorch：

https://github.com/lzx1413/PytorchSSD


2019 年


M2Det


A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network | Qijie Zhao, et al. | [AAAI' 19]


论文：

https://arxiv.org/pdf/1811.04533.pdf


参考文献


该项目的参考文献来自于论文《Deep Learning for Generic Object Detection: A Survey》


论文地址：


https://arxiv.org/pdf/1809.02165v1.pdf




【推荐阅读】

干货 | 公众号历史文章精选（附资源）

我的深度学习入门路线

我的机器学习入门路线图



内容总结

以上是互联网集市为您收集整理的51 个深度学习目标检测模型汇总，论文、源码一应俱全！全部内容，希望文章能够帮你解决51 个深度学习目标检测模型汇总，论文、源码一应俱全！所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/616446.html

来源：【匿名】