免費(fèi)論文查重認(rèn)準(zhǔn)CNKI論文查重，專為高校論文檢測(cè)、畢業(yè)論文查重、碩士論文查重誕生的論文檢測(cè)入口平臺(tái)，CNKI論文查重系統(tǒng)涵蓋海量的數(shù)據(jù)庫，為畢業(yè)生解決各種煩惱，論文查重軟件免費(fèi)為各種有論文檢測(cè)、論文查重需求的人提供，論文查重認(rèn)準(zhǔn)CNKI查重！
發(fā)布時(shí)間：2023-05-19 16:08:08 作者：知網(wǎng)小編 來源：educationmanagementsystem.com
目標(biāo)檢測(cè)（Object Detection）可以識(shí)別一幅圖像中的多個(gè)物體，定位不同物體的同時(shí)（邊界框），貼上相應(yīng)的類別。 簡(jiǎn)單來說，解決了what和where問題。 授人以魚，不如授人以漁，本文不會(huì)具體介紹某類/某種算法（one-stage or two-stage），但會(huì)給出目標(biāo)檢測(cè)相關(guān)論文的最強(qiáng)合集（持續(xù)更新ing）。
一共搜集了65篇2D目標(biāo)檢測(cè)論文，涉及：通用目標(biāo)檢測(cè)、旋轉(zhuǎn)目標(biāo)檢測(cè)、Few-shot/自監(jiān)督/半監(jiān)督/無監(jiān)督目標(biāo)檢測(cè)等方向。 最新！ CVPR 2021 視覺Transformer論文大盤點(diǎn)（43篇）
傳統(tǒng)的目標(biāo)檢測(cè)框架，主要包括三個(gè)步驟： （1）利用不同尺寸的滑動(dòng)窗口框住圖中的某一部分作為候選區(qū)域； （2）提取候選區(qū)域相關(guān)的視覺特征。 比如人臉檢測(cè)常用的Harr特征；行人檢測(cè)和普通目標(biāo)檢測(cè)常用的HOG特征等； （3）利用分類器進(jìn)行識(shí)別，比如常用的SVM模型。 目前目標(biāo)檢測(cè)領(lǐng)域的深度學(xué)習(xí)方法主要分為兩類：兩階段（Two Stages）的目標(biāo)檢測(cè)算法；一階段（One Stage）目標(biāo)檢測(cè)算法。
（3）利用分類器進(jìn)行識(shí)別，比如常用的SVM模型。 目前目標(biāo)檢測(cè)領(lǐng)域的深度學(xué)習(xí)方法主要分為兩類：兩階段（Two Stages）的目標(biāo)檢測(cè)算法；一階段（One Stage）目標(biāo)檢測(cè)算法。 兩階段（Two Stages）：首先由算法（algorithm）生成一系列作為樣本的候選框，再通過卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行樣本（Sample）分類。
