目标检测结合YOLO、SSD、Efficientdet、RCNN系列

文章目录

引言部分概述了本研究的核心内容与背景基础。本章主要聚焦于YOLO系列模型的发展历程及其在物体检测领域的创新应用。在第1节中，我们深入探讨了针对YOLo V3架构设计的网络模型构建方案。其中，在第1节第1小节中，我们详细阐述了该网络系统的运行逻辑与具体实现细节。关于yolov3网络本身的描述可进一步细化为基于深度学习的物体检测框架的设计与实现过程。在预测流程方面，则涉及到了该系统在实际应用中的具体运行机制；而训练流程由于目前研究中尚未形成系统化的梳理与总结，仍需待后续深入研究的基础上完成完善

  * 1.2 yolo v4
  * * YOLOV4改进的部分（不完全）

  * 1.3 yolo v5(后面更新)

* 二、SSD 系列
* * * SSD网络
* SSD预测流程
* SSD训练流程
* SSD GitHub源码

第三章 Retinanet及其后续版本改进；第四章 Efficient Det算法概述；本章详细阐述了EfficientDet架构设计及其性能优化方案；参考文献中的GitHub源码仓库提供了完整的算法实现代码

• 第五章（后续将补充）
• 第六章 RCNN系列
  • 6.1 基于Faster的R-CNN架构
  • 基于Faster的R-CNN网络架构