本文来自于360doc，深度学习用于目标检测的算法从思路上来看，可以分为两大类，一类是twostage的方法，也就是把整个分为两部分，生成候选框和识别框内物体；另一类是onestage的方法，把整个流程统一在一起，直接给出检测结果，主要包含SSD,YOLO系列。首先介绍两阶段的检测算法，其实这条路线基本就是R-CNNSPPNetFastR-CNNfasterRCNNR-FCNFPN,然后集大成者MaskRCNN。先讲一下目标检测里面都会用到的一些基本知识IOU，非极大值抑制。IOU其实就是交并比

本文来自weixin，本文介绍了R-CNN基本结构和原理，YOLO的基本原理，推理过程，计算loss以及具体实用过程等。目标检测算法是计算机视觉三大基础任务之一，其包括目标定位和目标分类两部分。在yolo系列出来之前，主流的做法是分段式的R-CNN系列，主要包括R-CNN、FastR-CNN、FasterR-CNN、MaskR-CNN等。R-CNN的基本结构如下图所示：R-CNN主要分为候选区提取和候选区分类两个阶段，并且两阶段分开训练。其主要思想如下。首先通过选择性搜索（SelectiveSe

本文来自于360doc，深度学习用于目标检测的算法从思路上来看，可以分为两大类，一类是two stage的方法，也就是把整个分为两部分，生成候选框和识别框内物体；另一类是one stage的方法，把整个流程统一在一起，直接给出检测结果，主要包含SSD,YOLO系列。首先介绍两阶段的检测算法，其实这条路线基本就是R-CNNSPP

本文来自weixin，本文介绍了R-CNN 基本结构和原理，YOLO的基本原理，推理过程，计算loss以及具体实用过程等。目标检测算法是计算机视觉三大基础任务之一，其包括目标定位和目标分类两部分。在yolo系列出来之前，主流的做法是分段式的R-CNN系列，主要包括R-CNN、Fast R-CNN、FasterR-CNN、MaskR-CNN等。R-CNN的基本结构如下图所示：