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 |
- 🚌 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)
-
🚲Smooth-L1
-
🚲IoU
-
🚲GIoU
-
🚲DIoU
-
🚲CIoU
-
🚲IoUAware
- 🛹NMS
- 🛹SoftNMS
- 🛹MatrixNMS
- 🚚特征金字塔网络 FPN
- 🚚空间金字塔池化 SPP
- 🚚路径聚合网络 PANet
- [ ]
- 🚕Resize
- 🚕Lighting
- 🚕Flipping
- 🚕Expand
- 🚕Crop
- 🚕Color Distort
- 🚕Random Erasing
- 🚕Mixup
- 🚕AugmentHSV
- 🚕Mosaic
- 🚕Cutmix
- 🚕Grid Mask
- 🚕Auto Augment
- 🚕Random Perspective