深度学习-目标检测 黄海广 副教授 2023年04月 ## 本章目录 01 目标检测概述 02 目标检测算法 03 YOLO算法 04 Faster RCNN算法 ### 1. 目标检测概述 01 目标检测概述 02 目标检测算法 03 YOLO算法 04 Faster RCNN算法 ### 1. 目标检测概述 ![Image](/uploads/documents 此类检测算法属于端到端（End-to-End），不需要生成大量候选区域的阶段，而是将问题转化为回归（Regression）问题处理，使用完整图像作为输入，直接在图像的多个位置上回归出该位置的目标边框及所属类别（常使用YOLO、SSD、CornerNet等算法）。 ### 1. 目标检测概述 ## 目标检测网络的常见结构 ![Image](/uploads/documents/8/4/9/6/8496ae0e7ff head，即检测头，这一部分的作用就就是若干卷积层进行预测，也有些工作里把head部分称为decoder（解码器）的。 ### 2. 目标检测算法 01 目标检测概述 02 目标检测算法 03 YOLO算法 04 Faster RCNN算法 Detection ### 2. 目标检测算法 Image classification ![Image](/uploads/documents/

☐ ☐ ☐ ☐ 扫码试看/订阅 《 TensorFlow 2 项目进阶实战》视频课程 ## 目录 - 基础：目标检测问题定义与说明 - 基础：R-CNN系列二阶段模型综述 - 基础：YOLO系列一阶段模型概述 - 基础：RetinaNet 与 Facol Loss 带来了什么 - 应用：检测数据准备与标注 - 应用：划分检测训练集与测试集 - 应用：生成 CSV 格式数据集与标注 Detectors） • R-CNN • Fast R-CNN • Faster R-CNN • R-FCN ## 一 阶段检测器（One-stage Detectors） •YOLO v1 •YOLO v2 •YOLO v3 理论：R-CNN系列二阶段模型综述 ## 开启CNN+目标检测的大门 ## R-CNN: Regions with CNN features  理论：YOLO系列一阶段模型概述 ## YOLO 与 RCNN 系列对比

RCNN		Fast RCNN	Faster RCNN	YOLO
region proposal 0 码力 | 67 页 | 21.59 MB | 2 年前 3 机器学习课程-温州大学-07深度学习-卷积神经网络 [Image](/uploads/documents/9/6/a/0/96a0151c500a768599d18c1906c742f5/p5_2.jpg) ## 目标检测 one-stage(YOLO,YOLO9000,YOLOV3,YOLOV4, YOLOV5,SSD等) two-stage(OverFeat, R-CNN, Fast R-CNN, Faster R-CNN 等) R-CNN → 0 码力 | 29 页 | 3.14 MB | 2 年前 3 机器学习课程-温州大学-01深度学习-引言 护设备故障，对包装和产品质量进行监控，并通过计算机视觉减少不合格产品。 ## 深度学习入门-目标检测 目标检测结合了目标分类和定位两个任务。 目标检测器的框架分为 one-stage(YOLO,YOLO9000,YOLOV3,YOLOV4,YOLOV5,SSD等) two-stage(OverFeat, R-CNN, Fast R-CNN, Faster R-CNN 等)  Non 0 码力 | 19 页 | 504.69 KB | 1 年前 3 Finding Nemo - Andyy Doesn't meet all requirements • Retrofitted design • Layers of abstraction ## CONSTRUCT ## YOLO ## PROS • Potentially meet all requirements • Design around an ideology • Plenty of resources 0 码力 | 69 页 | 259.23 KB | 2 年前 3 微博在线机器学习和深度学习实践-黄波 Wide&Deep DeepFM Tensorflow Deep Cross Network NLP 图片视频 LSTM GRU inception resnet BERT VGG Yolo ## 4 深度学习-深度学习模型训练 ## • 通信优化 • PS : BSP/SSP/ASP多种通信模式支持 • MPI&RingAllreduce：Horovod，使用 MPI 0 码力 | 36 页 | 16.69 MB | 2 年前 3 2_FPGA助力Python加速计算_陈志勇 8/16-bit Places365 ## Easy to use Python Interface • 8/16-bit GoogleNet v3 • Face Detection • Yolo-v2 for object detection Supported Server Platforms • Intel x86 Supported FaaS • AWS F1 Xilinx 0 码力 | 33 页 | 8.99 MB | 2 年前 3 FPGA助力Python加速计算 陈志勇 on AWS F1 instance xfDNN Tools • 8/16-bit Places365 • 8/16-bit GoogleNet v3 • Face Detection • Yolo-v2 for object detection • Compiler Supported Server Platforms Intel x86 Supported FaaS • AWS 0 码力 | 34 页 | 4.19 MB | 2 年前 3 Tracy: A Profiler You Don't Want to Miss your application 3. enable Tracy by defining TRACY_ENABLE in your build ## Quick integration (the YOLO way): #define TRACY_ENABLE #include anywhere where needed #define TRACY_ENABLE #include 0 码力 | 84 页 | 8.70 MB | 1 年前 3 共 15 条 1 2 前往 页 相关搜索词 目标检测两阶段框架一阶段框架YOLOFaster RCNNRetinaNetTensorFlow 2数据集模型训练卷积神经网络计算机视觉深度学习特征提取图像处理神经网络机器学习人工智能TVM自定义代码生成器注解子图划分运行时分发ARCHITECTURE PROBLEMNEAT & MODULARREACTIVE PROGRAMMINGMODULARITYUI/UX在线机器学习机器学习平台实时样本生成多流拼接FPGAPython嵌入式系统硬件加速并行处理加速计算硬件描述语言（HDL）PYNQ框架Tracy Profiler性能分析工具实时分析内存使用限制条件