Easy-Object-Detection

简单可扩展的PyTorch目标检测代码

名称	时间	亮点	paper链接	code链接
SPPNet	2014	1.比例池化：解决了RCNN速度慢的缺点，空间金字塔池化采用比例池化，不关心输入大小，也能够输出固定维度的特征，从而代替全连接层。 2.特征共享：SPP证明了只需要把原图在神经网络上走一遍，因为有了空间金字塔，不管输入是什么输出大小都是一样的，只需要把最后那层feature map按照比例裁剪，再分别放到池化层输出即可。 3.通用性：SPP可以改进所有基于CNN的方法	paper-SPPNet	code-SPPNet

待完成&完成

框架Architecture

• 🚌 R-CNN（PyTorch）
• 🚌 SPPNet（PyTorch+onnx）
• 🚌 Fast R-CNN（PyTorch+onnx）
• 🚌 Faster R-CNN（PyTorch+onnx）
• 🚌 SSD（PyTorch+onnx）
• 🚌 YOLOv1（PyTorch+onnx）
• 🚌 YOLOv2（PyTorch+onnx）
• 🚌 YOLOv3（PyTorch+onnx）
• 🚌 YOLOv4（PyTorch+onnx）
• 🚌 YOLOv5（PyTorch+onnx）
• 🚌 YOLOX（PyTorch+onnx）
• 🚌 CornerNet（PyTorch+onnx）
• 🚌 RetinaNet（PyTorch+onnx）
• 🚌 FCOS（PyTorch+onnx）
• 🚌 DETR（PyTorch+onnx）
• 🚌Swin Transformer（PyTorch+onnx）

组件Components

IoU损失（IoU Loss）

• 🚲Smooth-L1

• 🚲IoU

• 🚲GIoU

• 🚲DIoU

• 🚲CIoU

• 🚲IoUAware

非极大值抑制（NMS）

• 🛹NMS
• 🛹SoftNMS
• 🛹MatrixNMS

模块（module）

• 🚚特征金字塔网络 FPN
• 🚚空间金字塔池化 SPP
• 🚚路径聚合网络 PANet
• [ ]

数据增强技巧（Data Augmentation）

• 🚕Resize
• 🚕Lighting
• 🚕Flipping
• 🚕Expand
• 🚕Crop
• 🚕Color Distort
• 🚕Random Erasing
• 🚕Mixup
• 🚕AugmentHSV
• 🚕Mosaic
• 🚕Cutmix
• 🚕Grid Mask
• 🚕Auto Augment
• 🚕Random Perspective