CVPR
10：Inception-V3
- 是GoogleNet衍生，对卷积进行了非对称的拆分，显著的降低了参数量，使得空间特征更加的丰富
9：DenseNet
- 2017年的最佳论文
- 神经网络经过多层的传播，前层信号和梯度可能会消失，这篇论文解决了这个问题
- 他对每一层都加了一个shortcut，使得任意的两层网络都可以直接沟通
8：YOLO
- 在目标检测大名鼎鼎的YOLO v5
- 只需要浏览一次，就可以识别图中的物体的类别和数量
- 将目标检测转化为回归问题求解
7：RCNN
- YOLO之前，目标检测是YOLO的世界
- 在RCNN之前，是使用滑动窗口来判断所有可能的区域
- RCNN使用selective search的方法
6：传统的目标检测【早】
5：GoogleNet
- 使用inception模块，设计一种具有良好局部拓扑结构的网络
4：ImageNet
- 李飞飞的代表作
- 海量带标注数据集，目标分类，目标分割和目标检测都应用深远
3：FCN
2：HOG
1：ResNet
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！
