UnitBox：一种先进的目标检测网络
2020-04-22 02:48
1321 查看
UnitBox：一种先进的目标检测网络
原文:
UnitBox: An Advanced Object Detection Network
摘要
在现有的目标检测系统中，利用深卷积神经网络（CNNs）预测候选目标的包围盒，与传统的区域建议方法相比，具有性能优势。然而，现有的deep-CNN方法假设目标界为四个自变量，可以分别用
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 基于Tensorflow学习神经网络-目标检测
- R-FCN：基于区域的全卷积网络目标检测
- 目标检测常用网络RCNN系列快速回顾
- yolo3连接网络摄像头实现目标检测命令
- 在无法联网的电脑上快速部署目标检测网络py-R-FCN(win10+caffe)
- 目标检测中YOLO网络模型的介绍
- 一种基于轮廓的运动目标检测与跟踪算法
- 解读：加载Mobile_SSD网络用于图片目标检测+实时目标检测（realtime_detection）+单目标跟踪(tracking by detection)
- 目标检测 | YOLOv3开启的回归网络下的多尺度策略
- 以resnet作为前置网络的ssd目标提取检测
- 反卷积网络概念及其于目标检测中的应用
- ICCV2019 | 旷视提出轻量级目标检测网络ThunderNet
- 以resnet作为前置网络的ssd目标提取检测
- 移动端实时目标检测网络Mobilenet_v2-ssdlite及其keras实现(附代码地址)
- 对抗网络之目标检测应用：A-Fast-RCNN
- 目标检测网络发展历程从R-CNN到Faster-RCNN
- 基于Tensorflow学习神经网络-目标检测
- 目标检测之faster Rcnn算法原理解读（faster Rcnn网络细节）02
- 深度学习之目标检测网络总结
- 深度学习目标检测网络FPN tensorflow升3d尝试