https://github.com/52cv/objectdetection
https://github.com/52cv/objectdetection
Last synced: 5 months ago
JSON representation
- Host: GitHub
- URL: https://github.com/52cv/objectdetection
- Owner: 52CV
- Created: 2020-11-23T08:29:19.000Z (over 5 years ago)
- Default Branch: main
- Last Pushed: 2021-03-23T03:24:55.000Z (over 5 years ago)
- Last Synced: 2025-10-05T08:56:14.636Z (9 months ago)
- Size: 17.6 KB
- Stars: 10
- Watchers: 3
- Forks: 3
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Object Detection
汇集目标检测顶端算法
## 目录
|:cat:|:dog:|:wolf:|
|-----|-----|-----|
|:free:|[EfficientDet](#5)|[YOLO 系列](#4)|
|[NanoDet](#3)|[U^2-Net](#2)|[BASNet](#1)|
## 3.EfficientDet
* 📜 [EfficientDet: Scalable and Efficient Object Detection](https://arxiv.org/abs/1911.09070)
EfficientDet 是谷歌大脑团队在2020年3月发布的一个目标检测模型。与之前的检测器如 Mask R-CNN 相比，它以更少的参数和 FLOPs 达到了最先进的 53.7%COCO 平均精度（AP）。有 8 种变体，从 D0 到 D7，尺寸和精度都在不断改进。此外，最近发布了一个超大版本 D7x，达到 55.1% 的 AP。
* CVPR 2020
* :star:[Github](https://github.com/google/automl/tree/master/efficientdet)
## 2.YOLO 系列
* 解读：[YOLO 系目标检测算法家族全景图！](https://mp.weixin.qq.com/s/wjUiSRcP49gkn5YwpPyPpA)
* 📜 [Scaled-YOLOv4: Scaling Cross Stage Partial Network](https://arxiv.org/2011.08036)
* YOLOv4-large 在COCO数据集达到SOTA精度: 55.4% AP(73.3% AP50) 并以以15 fps 在 Tesla V100运行, 而如果加上测试阶段数据增强方法后,YOLOv4-large 达到 55.8% AP (73.2 AP50). 作者称这一精度是所有已公开文献的最高精度.
* 解读：[上达最高精度，下到最快速度，Scaled-YOLOv4：模型缩放显神威](https://mp.weixin.qq.com/s/Uo5pge7uq-Bh_wR9Vd5M7w)
* :star:[Github](https://github.com/WongKinYiu/ScaledYOLOv4)
* YOLOv5
* :star:[code](https://github.com/ultralytics/yolov5)
* 解读：[YOLOv5来了！基于PyTorch，体积比YOLOv4小巧90%，速度却超2倍](https://mp.weixin.qq.com/s/QGPZQN4-nAMONtIrWQzBfQ)
* YOLObile
* :star:[code](https://github.com/nightsnack/YOLObile)
* [手机端 19FPS 的实时目标检测算法：YOLObile](https://mp.weixin.qq.com/s/8kyQoxvRPrU48xSJwvUGJA)
* [YOLObile:面向移动设备的「实时目标检测」算法](https://mp.weixin.qq.com/s/OP5iLZtIABNcn_LFyBWOeA)
## 1.NanoDet
* 解读：[NanoDet：轻量级（1.8MB）、超快速（移动端97fps）目标检测项目](https://mp.weixin.qq.com/s/KC-QxYZf2471OICDFra7Zw)
* 解读：[YOLO之外的另一选择，手机端97FPS的Anchor-Free目标检测模型NanoDet现已开源~](https://mp.weixin.qq.com/s/7mHhltqDcnYZdHWoRS_EBg)
* 1.8MB超轻量，跑的比 YOLO 快
* :star:[Github](https://github.com/RangiLyu/nanodet)
# Salient Object Detection (SOD)
## 2.U^2-Net
* 📜 [U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection](https://arxiv.org/abs/2005.09007)
* ICPR 2020
* :star:[Github](https://github.com/NathanUA/U-2-Net)
## 1.BASNet
* 📜 [BASNet: Boundary-Aware Salient Object Detection](https://openaccess.thecvf.com/content_CVPR_2019/html/Qin_BASNet_Boundary-Aware_Salient_Object_Detection_CVPR_2019_paper.html)
* 在单个GPU上的运行速度超过25 fps
* CVPR 2019
* :star:[Github](https://github.com/NathanUA/BASNet)
## 用于手机端实时检测
* NanoDet
* :star:[code](https://github.com/RangiLyu/nanodet)
* 解读：[NanoDet：轻量级（1.8MB）、超快速（移动端97fps）目标检测项目](https://mp.weixin.qq.com/s/KC-QxYZf2471OICDFra7Zw)
* 解读：[YOLO之外的另一选择，手机端97FPS的Anchor-Free目标检测模型NanoDet现已开源~](https://mp.weixin.qq.com/s/7mHhltqDcnYZdHWoRS_EBg)
* YOLObile
* :star:[code](https://github.com/nightsnack/YOLObile)
* [手机端 19FPS 的实时目标检测算法：YOLObile](https://mp.weixin.qq.com/s/8kyQoxvRPrU48xSJwvUGJA)
* [YOLObile:面向移动设备的「实时目标检测」算法](https://mp.weixin.qq.com/s/OP5iLZtIABNcn_LFyBWOeA)