前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >深度学习: 从新视角 综述 Detection算法

深度学习: 从新视角 综述 Detection算法

作者头像
JNingWei
发布2018-09-27 11:43:39
7510
发布2018-09-27 11:43:39
举报
文章被收录于专栏:JNing的专栏

Foreword

Continually updated,Constantly record my new summary of the Detection Algorithm。

Stage Handling

Stage Num

Algorithm

4

R-CNN、SPPNet、Cascade R-CNN

2

Fast R-CNN、Faster R-CNN、R-FCN、Mask R-CNN、Light-head R-CNN、SNIP、R-FCN-3000、SNIPER

1

YOLOv1、SSD、YOLOv2、DSSD、RetinaNet、YOLOv3

End-to-end Handling

End-to-end

Algorithm

×

R-CNN、SPPNet

Fast R-CNN、Faster R-CNN、YOLOv1、SSD、R-FCN、YOLOv2、DSSD、Mask R-CNN、RetinaNet、Light-head R-CNN、SNIP、R-FCN-3000、YOLOv3、SNIPER

RoI-wise subnetwork Handling

RoI-wise subnetwork

Algorithm

×

YOLOv1、SSD、YOLOv2、DSSD、RetinaNet、YOLOv3、R-FCN、Light-head R-CNN、R-FCN-3000

R-CNN、SPPNet、Fast R-CNN、Faster R-CNN、Mask R-CNN、SNIP、Cascade R-CNN、SNIPER

Scale Handling

Scale Handling

Algorithm

Sample Diagram

Image Pyramid

SNIP、SNIPER

Single Feature

R-CNN、SPPNet、Fast R-CNN、Faster R-CNN、YOLOv1、R-FCN、Light-head R-CNN、R-FCN-3000

Pyramidal Feature

SSD、YOLOv2

Feature Pyramid Network

FPN、DSSD、Mask R-CNN、Cascade R-CNN、PAN

Repeatability Handling

Decrease repetition

Annotation

SPPNet

去除卷积的重复抽取

Fast R-CNN

去除卷积的重复抽取

R-FCN

去除RoI-wise network的重复计算

Light-head R-CNN

去除每个类都要单独进行的location regression

R-FCN-3000

去除每个类都要单独进行的location regression

Increase repetition

Annotation

SDD

增加feature map的选取数量

YOLOv2

增加feature map的选取数量

FPN

增加feature map的选取数量

SNIP

增加image scale的数量

Cascade R-CNN

增加RoI-wise network的数量

PAN

增加feature map的选取数量

Basemodel Handling

Algorithm

AlexNet

ZFNet

GoogleNet

VGGNet

DarkNet

ResNet

FPN(+ResNet)

PAN(+ResNet)

DetNet

R-CNN

SPPNet

Fast R-CNN

Faster R-CNN

YOLOv1

SSD

R-FCN

YOLOv2

FPN

DSSD

Mask R-CNN

DCN

RetinaNet

Light-head R-CNN

Relation Network

SNIP

Cascade R-CNN

R-FCN-3000

PAN

YOLOv3

DetNet

SNIPER

Classification Handling

Algorithm

SVM

Softmax loss

Focal loss

R-CNN

SPPNet

Fast R-CNN

Faster R-CNN

YOLOv1

SSD

R-FCN

YOLOv2

FPN

DSSD

Mask R-CNN

DCN

RetinaNet

Light-head R-CNN

Relation Network

SNIP

Cascade R-CNN

R-FCN-3000

PAN

YOLOv3

DetNet

SNIPER

Reg_loss Handling

Algorithm

L2 loss

Smooth L1 loss

R-CNN

SPPNet

Fast R-CNN

Faster R-CNN

YOLOv1

SSD

R-FCN

YOLOv2

FPN

DSSD

Mask R-CNN

DCN

RetinaNet

Light-head R-CNN

Relation Network

SNIP

Cascade R-CNN

R-FCN-3000

PAN

YOLOv3

DetNet

SNIPER

Encode/Decode Handling

Role: normalize the target, making the regression task simple.

Algorithm

The earliest target

[xcwa,ycha,logw,logh][xcwa,ycha,log⁡w,log⁡h][\frac{x_c}{w_a}, \frac{y_c}{h_a}, \log{w}, \log{h}]

Others

R-CNN

SPPNet

Fast R-CNN

Faster R-CNN

YOLOv1

SSD

R-FCN

YOLOv2

FPN

DSSD

Mask R-CNN

DCN

RetinaNet

Light-head R-CNN

Relation Network

SNIP

Cascade R-CNN

R-FCN-3000

PAN

YOLOv3

DetNet

SNIPER

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018年06月10日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • Foreword
  • Stage Handling
  • End-to-end Handling
  • RoI-wise subnetwork Handling
  • Scale Handling
  • Repeatability Handling
  • Basemodel Handling
  • Classification Handling
  • Reg_loss Handling
  • Encode/Decode Handling
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档