Object Detection - Nhận diện vật thể.

1. 2017, Mạng Kim tự tháp tính năng (FPN)

1.1. Tsung-Yi Lin1,2, Piotr Dollar´ 1 , Ross Girshick1 , Kaiming He1 , Bharath Hariharan1 , and Serge Belongie. . (2017). Feature Pyramid Networks for Object Detection., (p. 10).

1.2. R-CNN

2. 2016, Giới thiệu Region Proposal Network (RPN) chia sẻ các tính năng tổng hợp hình ảnh đầy đủ với mạng phát hiện, do đó cho phép các đề xuất khu vực gần như miễn phí.

2.1. Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Su. (2016). Faster R-CNN: Towards Real-Time Object., (p. 14).

2.2. R_CNN

3. 2019, Convolutional Neural Network (CNN) - Mạng thần kinh chuyển đồi.

3.1. Deep learning

3.2. Zhong-Qiu Zhao, M. I.-t. 2019. "Object Detection with Deep Learning: A Review." 21.

3.3. CNN

3.4. Review

4. 2019, Giải pháp cho vấn đề khi đào tạo thông thường cho một máy dò đối tượng dựa trên CNN chuyên sâu đòi hỏi một số lượng lớn các chú thích hộp giới hạn, có thể không có sẵn cho các danh mục hiếm. Họ phát triển một máy dò vật thể có thể học được để phát hiện các đối tượng mới chỉ từ một vài ví dụ được chú thích.

4.1. Bingyi Kang, Zhuang Liu, Xin Wang, Fisher Yu, Jiashi Feng, Trevor Darrell, National University of Singapore, University of California, Berkeley. 2019. "Few-shot Object Detection via Feature Reweighting." 12.

4.2. CNN

5. 2017, Nghiên cứu cải thiện độ chính xác của mạng thần kinh chuyển đổi CNN.

5.1. M. W. .. K. A. W. J. K. K. Forrest N. Iandola n Song Han, "SQUEEZENET: ALEXNET-LEVEL ACCURACY WITH," 2017.

5.2. CNN

6. 2019, Present DetNAS to use Neural Architecture Search (NAS) for the design of better backbones for object detection.

6.1. DetNAS

6.2. NAS

6.3. Yukang Chen, Tong Yang, Xiangyu Zhang, Gaofeng Meng, Xinyu Xiao, Jian Sun. 2019. "DetNAS: Backbone Search for Object Detection." 12.

7. 2020, Decoupled Classification Refinement - Sàng lọc phân loại tách rời.

7.1. DCR

7.2. Bowen Cheng, Yunchao Wei, Rogerio Feris, Jinjun Xiong , Wen-mei Hwu, Thomas S. Huang, Humphrey Shi. 2020. "Decoupled Classification Refinement: Hard False Positive Suppression for Object Detection." 18.

8. 2020, Phương pháp CenterNet dựa trên CornerNet phát hiện vật thể là một bộ ba thay vì một cặp để cải thiện độ chính xác.

8.1. Kaiwen Duan, Song Bai, Lingxi Xie, Honggang Qi, Qingming Huang, Qi Tian, University of Chinese Academy of Sciences, University of Oxford, Huawei Noah’s Ark Lab. 2020. "CenterNet: Keypoint Triplets for Object Detection." 10.

8.2. Triplets of keypoints

8.3. CenterNet, dựa trên CornerNet

9. 2019, Đề xuất TridentNet để khắc phục khó khăn của việc thay đổi tỷ lệ trong nhận diện vật thể.

9.1. Yanghao Li Yuntao Chen, Naiyan Wang Zhaoxiang Zhang, University of Chinese Academy of Sciences, TuSimple, Center for Research on Intelligent Perception and Computing, CASIA, Center for Excellence in Brain Science and Intelligence Technology, CAS. 2019. "Scale-Aware Trident Networks for Object Detection." 10.

9.2. TridentNet