Object Detection：不僅要識別圖片中各種類別的目標，還要把他們的位置找出來用矩形框框住

根據目標檢測算法的流程可以分成兩類：

一種是Two-Stage算法，它將檢測目標主要分為兩個部分。1）通過專門模塊去生成候選框。2）尋找前景以及調整邊界框。例如，Faster R-CNN。

另一種是One-Stage算法，它直接基于anchor進行分類以及調整邊界框。例如，SSD、YOLO。

兩種方式各有各的特點，Two-Stage的檢測精度高一點，但檢測速度慢。One-Stage則相反。

相關論文

R-CNN：《Rich feature hierarchies for accurate object detection and semantic segmentation》
Fast R-CNN：《Fast R-CNN》
Faster R-CNN：《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》
SSD：《SSD: Single Shot MultiBox Detector》
YOLO v1：《You Only Look Once: Unified, Real-Time Object Detection》
YOLO v2：《YOLO9000: Better, Faster, Stronger》
YOLO v3：《YOLO v3: An Incremental Improvement》
YOLO v4：《YOLOv4: Optimal Speed and Accuracy of Object Detection》
YOLO v5：只有算法，沒有論文。

總結

以上是生活随笔為你收集整理的目标检测算法介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。