计算机视觉研究院专栏
作者：Edison_G
我们计算机视觉研究最近分享了较多目标检测领域的干货，今天我们就来总结下目前目标检测的技术趋势及未来发展的新方向！
2021CVPR系列
- CVPR2021 | Facebook提出FP-NAS：搜索速度更快、分类精度更高、性能更好
- CVPR21目标检测新框架：不再是YOLO，而是只需要一层特征（干货满满，建议收藏）
- CVPR2021深度框架训练：不是所有数据增强都可以提升最终精度
- CVPR2021：IoU优化——在Anchor-Free中提升目标检测精度（附源码）
- CVPR2021目标检测：少见的知识蒸馏用于目标检测（附论文下载）
- CVPR2021佳作 | One-Shot都嫌多，Zero-Shot实例样本分割
- CVPR2021佳作 | 重新标记ImageNet：从全局标签到局部标签（附github代码及论文）
- CVPR2021单目深度估计：腾讯光影研究室优势夺冠，成果落地应用
- CVPR21小目标检测：上下文和注意力机制提升小目标检测（附论文下载）
- 华为CVPR2021 | 加法网络应用于图像超分辨率（附github源码及论文下载）
- CVPR2021目标检测 | Weighted boxes fusion（附github源码及论文下载）
目标检测类
- PPCNN：细粒度特征提取和定位用于目标检测（附论文下载）
- 双尺度残差检测器：无先验检测框进行目标检测（附论文下载）
- Fast YOLO：用于实时嵌入式目标检测（附论文下载）
- 自监督目标检测：不用在ImageNet上训练的目标检测（附论文下载）
- 特别小的目标检测识别（附论文下载）
- SSFENet | 增强空间和语义特征用于目标检测（附论文下载）
- 目标检测 | 基于统计自适应线性回归的目标尺寸预测
- 新目标检测框架 | 基于改进的one-shot的目标检测
- 目标检测干货 | 多级特征重复使用大幅度提升检测精度（文末附论文下载）
- SSD7-FFAM | 对嵌入式友好的目标检测网络，为幼儿园儿童的安全保驾护航
四边形检测
- 旋转目标检测 | 基于高斯Wasserstein距离损失的目标检测（附源代码）
- 旋转的检测框 | 校准的深度特征用于目标检测（附实现源码）
- 带角度的检测框 | 校准的深度特征用于目标检测（附实现源码）
Yolo系列
- yolov5部署到iPhone或终端实践全过程（论文源码福利）
- Poly-YOLO：更快，更精确的检测（主要解决Yolov3两大问题，附源代码）
- YOLOv5-Lite：更少的参数、更高的精度、更快的检测速度(附C++部署分享)
- 除了Yolo的其他选择，轻量级检测网络层出不穷（框架解析及部署实践）
- YOLOS：通过目标检测重新思考Transformer（附源代码）
- Micro-YOLO：探索目标检测压缩模型的有效方法（附论文下载）
- 超越 YOLOv5，1.3M 超轻量，高效易用，目标检测领域这一个就够了！
- 实用目标检测器 | 性能超YoloV5，推理耗时不变（附github源码）
- 超越YOLOv5的PP-YOLOv2和1.3M超轻量PP-YOLO Tiny都来了！（附源码）
- Yolo框架大改 | 消耗极低的目标检测新框架（附论文下载）
- 基于DIou改进的YOLOv3目标检测
- YOLOv4详细分析 | 细数当前最佳检测框架小细节（附论文及源码下载）
- 全自动实时移动端AI框架 | YOLO-v4目标检测实时手机端实现
- 推理速度快YOLOV4五倍的YOLObile：通过压缩编译在移动端实时检测（附论文下载）
实践
- 代码实践 | 都2021年了，回看5分钟前写的代码就这么难吗？
- yolov5部署到iPhone或终端实践全过程（论文源码福利）
- 推理实践落地 | 最详细的Pytorch底层算子扩展总结（文末附源码）
- 分类干货实践 | 重新标注128万张ImageNet图片：多标签，全面提升模型性能
- 除了Yolo的其他选择，轻量级检测网络层出不穷（框架解析及部署实践）
- 干货实践 | Anchor优化后在目标检测提升这么明显
- 优化实践 | 大改ShuffleNetV2网络，注意力机制，csp，卷积裁剪...（附全部开源代码）
- 代码实践（干货）| 基于Pytorch的人脸姿态检测（附源码）
- 腾讯优图NCNN详细分析及实践操作（含Yolov5实践）
- 实践 | Face-API实现人脸识别（附源代码）
- 实践 | 目前最快精度最高检测框架（EfficientDet）
- 人脸实践篇 | 基于Caffe的年龄&性别识别
- 五个案例，三大心得——带你进阶深度学习的实践应用之路
© THE END
计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！
