52 个深度学习目标检测模型汇总，论文、源码一应俱全

来源:艾涛

本文约2000字。建议阅读

5分钟。本文为您总结了52种深度学习检测模型。

标签:计算机视觉

目标检测是计算机视觉的一个重要分支。近年来，随着神经网络理论研究的深入和硬件GPU计算能力的大幅提高，它已成为全球人工智能研究的热点，登陆项目也已率先启动。

从2013年到2020年，从最早的美国有线电视新闻网(R-CNN)、超吃到后来的固态硬盘(SSD)、YOLO v3和去年的M2Det，新型号层出不穷，性能越来越好！本文将总结52个目标检测模型及其性能比较，包括一个完整的论文列表

首先开门见山地列出了这52种目标检测模型(推荐系列):

是一个超完整目标检测的技术路线总结，来自于GitHub上的一个著名项目。作者是李贺松，毕业于韩国首尔国立大学，主修电子和计算机工程。目前，他已经收获了7.3万颗星星。

项目地址是

https://github.com/hoya012/deep _学习_对象_检测

技术路线从2013年开始到2020年初。上图总结了在此期间目标检测的所有代表性模型。图片的红色部分是一个需要掌握的相对重要的模型。

更新日志

值得一提的是，红石早在去年早些时候就已经发布了一份推荐该项目的文档，作者也一直在对其进行更新。截至2020年2月，作者的主要更新如下:

2019.2:更新3篇论文2019.3:更新图表和代码链接2019.4:更新ICLR 2019和CVPR 2019论文2019.5:更新CVPR 2019论文2019.6:更新CVPR 2019论文和数据集论文2019.7:更新BMVC 2019论文和部门它分为ICCV 2019论文2019

型号性能对照表

由于硬件(例如，中央处理器、图形处理器、随机存取存储器等)不同，在比较浮点运算时经常不准确。)更合适的比较方法是在相同的硬件配置下测量所有型号的性能。以上所有模型的性能比较结果如下:

从上表中可以清楚地看到不同模型在VOC07、VOC12和COCO数据集上的性能；同时，列出了模型论文的来源。

以下是一些关键红色标记型号的简要介绍。

模型论文

2014

r-CNN

用于精确目标检测和语义分割的丰富特征层次|

用于目标检测的数据集相关论文如下:以上

是52个深度学习检测模型的总结该项目可以说很好地总结了近年来的目标检测模型，包括论文和源代码。希望对大家有所帮助！编者

:俞腾凯

校对:林一林

-End-

关注清华-青岛数据科学研究院官方微信公众平台“THU数据学校”和姐妹号“THU数据学校”获取更多讲座收益和优质内容

本文由 在线网速测试 整理编辑，转载请注明出处，原文链接：https://www.wangsu123.cn/news/797.html。