论文阅读笔记 | 目标检测算法——RetinaNet（focal loss、含与SSD,RCNN,YOLO的对比）
1. Introductionpaper：Focal Loss for Dense Object Detection在RetinaNet出现之前，two-step检测网络（代表有Faster RCNN系列等等）的准确率一直要比one-step检测网络（代表有SSD系列、yolo系列）的准确率要高，但是在RetinaNet出现之后，one-step检测网络首次精度要比two-step检测网络要好。....
一文读懂目标检测AI算法：R-CNN，faster R-CNN，yolo，SSD，yoloV2
1 引言 深度学习目前已经应用到了各个领域，应用场景大体分为三类：物体识别，目标检测，自然语言处理。上文我们对物体识别领域的技术方案，也就是CNN进行了详细的分析，对LeNet-5 AlexNet VGG Inception ResNet MobileNet等各种优秀的模型框架有了深入理解。本文着重与分析目标检测领域的深度学习方法，对其中的经典模型框架进行深入分析。 目标检测可以理解为是物体识别....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
智能引擎技术
AI Online Serving，阿里巴巴集团搜推广算法与工程技术的大本营，大数据深度学习时代的创新主场。
+关注