开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >专栏 >目标检测进展slide - 代季峰

目标检测进展slide - 代季峰

作者头像

AIHGF

发布于 2019-02-27 09:54:55

发布于 2019-02-27 09:54:55

9300

举报

文章被收录于专栏：AIUAIAIUAI

原文：目标检测进展slide - 代季峰 - AIUAI

Recent Progress in Object Detection -slide 作者：Jifeng Dai 团队：Visual Computing Group，Microsoft Research Asia

1. 目标检测问题定义

2. 自 CVPR 2017 后的进展

代季峰，2009年和2014年分别获得清华大学自动化系本科和博士学位，2012年至2013年在加州大学洛杉矶分校访学，现任微软亚洲研究院视觉计算组Lead Researcher. 主要研究领域为物体检测、分割问题，和深度学习算法，提出了Deformable ConvNets 和 R-FCN 等算法，得到业界关注. 曾经连续两年在本领域内权威的COCO物体识别竞赛中获得第一名. 曾在ICCV 2017做Tutorial on Instance-level Recognition的专题报告，曾担任AAAI 2018的Senior Program Committee member (SPC).

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2019年01月30日，如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

评论

登录后参与评论

暂无评论

编辑精选文章

换一批

万字详解高可用架构设计

Go 开发者必备：Protocol Buffers 入门指南

10分钟带你彻底搞懂分布式链路跟踪

多租户的 4 种常用方案

亿级月活的社交 APP，陌陌如何做到 3 分钟定位故障？

60页PPT全解：DeepSeek系列论文技术要点整理

商汤科技执行研究总监代季峰离职，加入清华大学电子工程系任副教授

机器之心报道编辑：张倩又一位AI研究者重返学界。近期，商汤科技执行研究总监代季峰被曝离职，加入母校清华大学电子工程系任副教授。目前，他的个人主页也更新了这一消息。代季峰，2005年开始就读于清华大学，2009年获得学士学位。在此期间，他的学习成绩非常优异，GPA排名：2/160+。从2009年开始，他在清华大学继续攻读博士学位，师从周杰教授。他的博士论文《高分辨率掌纹识别若干问题研究》对掌纹识别中的特征提取、形变建模和快速匹配等若干重要问题进行了深入研究，获得中国自动化学会授予的201

机器之心

2022/07/26

5690

商汤科技执行研究总监代季峰离职，加入清华大学电子工程系任副教授

商汤人事变动：计算机视觉大牛代季峰离职，加入清华电子系

https 网络安全

近日，商汤科技执行研究总监、计算机视觉领域大牛代季峰离职，加入清华大学电子工程系任副教授。

AI掘金志

2022/11/08

5880

商汤人事变动：计算机视觉大牛代季峰离职，加入清华电子系

计算机视觉大牛代季峰从商汤离职，加入清华电子系

作者 | 李梅编辑 | 陈彩娴近日，商汤科技执行研究总监、计算机视觉领域大牛代季峰离职，加入清华大学电子工程系任副教授。目前，代季峰的名字已经出现在清华电子系官网的教师名单中，其个人网站也已经更新了最新履历，职位由商汤执行研究总监变成了清华大学电子工程系副教授。代季峰的本科就读于清华大学自动化系，2014 年在自动化系获得博士学位，师从周杰教授。博士期间，他曾到加州大学洛杉矶分校 VCLA 实验室访问，与朱松纯、吴英年有过合作。 2014 年至 2019 年期间，代季峰在微软亚洲研究院视觉计算

AI科技评论

2022/07/25

5490

计算机视觉大牛代季峰从商汤离职，加入清华电子系

密歇根大学40页《20年目标检测综述》最新论文，带你全面了解目标检测方法

人脸识别机器学习图像识别神经网络深度学习

题目：Object Detection in 20 Years: A Survey

朱晓霞

2019/06/14

1.7K0

密歇根大学40页《20年目标检测综述》最新论文，带你全面了解目标检测方法

【前沿】R-FCN每秒30帧实时检测3000类物体，马里兰大学Larry Davis组最新目标检测工作

【导读】美国马里兰大学、复旦大学和Gobasco人工智能实验室联合提出R-FCN-3000实时3000类目标检测框架，对R-FCN框架中的物体检测和分类进行解耦。本文对R-FCN体系结构进行修改，其中位置敏感滤波器在不同的目标类之间共享来进行定位。对于细粒度的分类，这些位置敏感的滤波器是不需要的。因此，R-FCN-3000学习到了通用的物体性，也达到了更快的速度。R-FCN-3000在ImageNet检测数据集上获得34.9％的mAP，在每秒处理30帧图像的同时，可以以18％的优势超过YOLO-9000。作

WZEARW

2018/04/11

1.3K0

【前沿】R-FCN每秒30帧实时检测3000类物体，马里兰大学Larry Davis组最新目标检测工作

【专知荟萃09】目标检测知识资料全集（入门/进阶/论文/综述/视频/代码等）

人工智能机器学习

目标检测（物体检测, Object Detection) 专知荟萃入门学习进阶文章综述 Tutorial 视频教程代码领域专家入门学习图像目标检测（Object Detection）原理与实现（1-6） [http://www.voidcn.com/article/p-xnjyqlkj-ua.html] [http://www.voidcn.com/article/p-ypylfzuk-ua.html] [http://www.voidcn.com/article/p-pfihszbt-

WZEARW

2018/04/10

1.7K0

目标检测入门（三）：基础网络演进、分类与定位的权衡

机器学习神经网络深度学习人工智能

从此篇开始，我们对近几年检测领域的工作提供一个概览，并试图从中归纳出一些趋势。由于篇幅和视野所限，文章不会求全，相对注重思路的演进，淡化实验结果的报告。事实上，我们并没有看到这一任务上的"The Best Paper"和"The Final Paper"，现阶段的工作远远没有到解决这一问题的程度，深度学习模型也仍然是非常年轻的研究领域。

朱晓霞

2022/03/04

4860

目标检测入门（三）：基础网络演进、分类与定位的权衡

干货！关于目标检测你需要看的9篇论文

编程算法机器学习神经网络深度学习人工智能

目标检测是计算机视觉的核心任务之一。本期SFFAI15邀请了两位目标检测的一线科研人员，已有多篇顶会一作的张士峰和开源PyTorchCV的尤安升，同大家一起探讨目标检测的研究前沿以及一系列经典方法的实现细节。

马上科普尚尚

2020/05/11

9450

干货！关于目标检测你需要看的9篇论文

代码开源 | COCO-16 图像分割冠军：首个全卷积端到端实例分割模型

开源 github 卷积神经网络

【新智元导读】清华大学与微软研究院合作，提出了一种新的架构 FCIS，是首个用于图像实例分割任务的全卷积、端到端的解决方案，该架构在 COCO 2016 图像分割竞赛中获得了第一名。论文现被 CVPR 2017 作为 spotlight paper 接收，代码也已开源：https://github.com/msracver/FCIS 继图像分类、物体检测之后，精确到像素级别的物体实例分割就成为更具挑战性和实用性的视觉识别任务。前两个任务在近年来取得了迅速的进展，已经有了不少优雅有效的方法。然而，实例分割任务

新智元

2018/03/28

2K0

代码开源 | COCO-16 图像分割冠军：首个全卷积端到端实例分割模型

综述 | 基于深度学习的目标检测算法

机器学习存储编程算法图像识别神经网络

导读：目标检测（Object Detection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。从最初 2013 年提出的 R-CNN、OverFeat，到后面的 Fast/Faster R-CNN、SSD、YOLO 系列，再到 2018 年最近的 Pelee。短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从 two stage 到 one stage，从 bottom-up only 到 Top-Down，从 single scale network 到 feature pyramid network，从面向 PC 端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。

小白学视觉

2022/05/22

1.9K0

综述 | 基于深度学习的目标检测算法

目标检测资源总结

github git 图像识别开源机器学习

blog.csdn.net/l7H9JA4/article/details/79620247

用户3578099

2019/08/15

9370

资源 | 整合全部顶尖目标检测算法：FAIR开源Detectron

编程算法人工智能开源机器学习

选自FAIR 机器之心整理参与：蒋思源、李泽南昨天，Facebook AI 研究院（FAIR）开源了 Detectron，业内最佳水平的目标检测平台。据介绍，该项目自 2016 年 7 月启动，构建于 Caffe2 之上，目前支持大量机器学习算法，其中包括 Mask R-CNN（何恺明的研究，ICCV 2017 最佳论文）和 Focal Loss for Dense Object Detection，（ICCV 2017 最佳学生论文）。Facebook 称，该工具包已被应用与公司内部很多团队应用于各类

机器之心

2018/05/10

6360

目标检测最新总结与前沿展望

图像处理机器人编程算法人脸识别深度学习

从 2006 年以来，在 Hilton、Bengio、LeChun 等人的引领下，大量深度神经网络的论文被发表，尤其是 2012 年，Hinton课题组首次参加 ImageNet图像识别比赛，其通过构建的 CNN 网络AlexNet[1]一举夺得冠军，从此神经网络开始受到广泛的关注。深度学习利用多层计算模型来学习抽象的数据表示，能够发现大数据中的复杂结构，目前，这项技术已成功地应用在包括计算机视觉领域在内的多种模式分类问题上。计算机视觉对于目标运动的分析可以大致分为三个层次:运动分割，目标检测；目标跟踪；动作识别，行为描述[2]。其中，目标检测既是计算机视觉领域要解决的基础任务之一，同时它也是视频监控技术的基本任务。由于视频中的目标具有不同姿态且经常出现遮挡、其运动具有不规则性，同时考虑到监控视频的景深、分辨率、天气、光照等条件和场景的多样性，而且目标检测算法的结果将直接影响后续的跟踪、动作识别和行为描述的效果。故即使在技术发展的今天，目标检测这一基本任务仍然是非常具有挑战性的课题，存在很大的提升潜力和空间。

SIGAI学习与实践平台

2018/10/12

5.1K0

基于深度学习的目标检测算法综述

深度学习编程算法人工智能

目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小，是机器视觉领域的核心问题之一。由于各类物体有不同的外观，形状，姿态，加上成像时光照，遮挡等因素的干扰，目标检测一直是机器视觉领域最具有挑战性的问题。本文将针对目标检测（Object Detection）这个机器视觉中的经典任务进行解析，抛砖引玉。如对文中的内容持不同观点，欢迎到SIGAI公众号发消息给我们，一起探讨！

SIGAI学习与实践平台

2018/08/07

1.5K0

基于深度学习的目标检测算法综述

视频目标检测与图像目标检测的区别

图像识别 https 网络安全机器学习神经网络

前言本文介绍了知乎上关于视频目标检测与图像目标检测的区别的几位大佬的回答。主要内容包括有视频目标检测与图像目标检测的区别、视频目标检测的研究进展、研究思路和方法。

AI算法与图像处理

2021/10/27

2.7K0

51 个深度学习目标检测模型汇总，论文、源码一应俱全！

github git 开源 pytorch tensorflow

目标检测（Object Detection）是深度学习 CV 领域的一个核心研究领域和重要分支。纵观 2013 年到 2019 年，从最早的 R-CNN、Fast R-CNN 到后来的 YOLO v2、YOLO v3 再到今年的 M2Det，新模型层出不穷，性能也越来越好！本文将会对目标检测近几年的发展和相关论文做出一份系统介绍，总结一份超全的文献 paper 列表。

OpenCV学堂

2019/10/11

1.4K0

51 个深度学习目标检测模型汇总，论文、源码一应俱全！

目标检测 (Detection) 算法综述

编程算法数据分析

以下是我在2018年7月份找工作时，根据个人所学总结出的目标检测 (Detection) 算法综述。其中，仅仅挑出我认为比较重要的一系列算法，按照时间顺序进行简要概述。

JNingWei

2019/01/28

2K0

【目标检测算法50篇速览】3、检测网络优化及改进

图像识别 https 网络安全

【GiantPandaCV导读】检测网络模型发展到16年已经基本形成了一段式和两段式的两种网络设计模式，两者的共同点是均采用了anchor based的设计结构来达到对输入特征图遍历的效果。但是反映出来的现象是两段式网络的精度更高，一段式网络速度更快，两者都对待检测目标的尺度适应能力存在一定的瓶颈，那么如何继续提高特征表达来增强网络性能呢？基于anchor的思路也引入了相对较多的超参数，如何继续简化超参数的数量呢？本章我们将沿着这个问题进行2016年到2018年论文的速览。

BBuf

2020/10/30

7560

【目标检测算法50篇速览】3、检测网络优化及改进

目标检测101：一文带你读懂深度学习框架下的目标检测

深度学习大数据

大数据文摘作品编译：及子龙，张礼俊余志文，钱天培从简单的图像分类到3D位置估算，在机器视觉领域里从来都不乏有趣的问题。其中我们最感兴趣的问题之一就是目标检测。如同其他的机器视觉问题一样，目标检测目前为止还没有公认最好的解决方法。在了解目标检测之前，让我们先快速地了解一下这个领域里普遍存在的一些问题。目标检测 vs 其他计算机视觉问题图像分类在计算机视觉领域中，最为人所知的问题便是图像分类问题。图像分类是把一幅图片分成多种类别中的一类。 ImageNet是在学术界使用的最受欢迎的数据集之一

大数据文摘

2018/05/24

6010

干货 | 目标检测入门，看这篇就够了（下）

图像识别机器学习神经网络深度学习人工智能

作者 | 李家丞（同济大学数学系本科在读，现格灵深瞳算法部实习生）近年来，深度学习模型逐渐取代传统机器视觉方法而成为目标检测领域的主流算法，本系列文章将回顾早期的经典工作，并对较新的趋势做一个全景式的介绍，帮助读者对这一领域建立基本的认识。（因本文篇幅较长，营长将其分为上（点击查看）、下两部分。）导言：目标检测的任务表述如何从图像中解析出可供计算机理解的信息，是机器视觉的中心问题。深度学习模型由于其强大的表示能力，加之数据量的积累和计算力的进步，成为机器视觉的热点研究方向。那么，如何理解一张图片？

刘盼

2018/04/08

1.4K0

干货 | 目标检测入门，看这篇就够了（下）

相关推荐

商汤科技执行研究总监代季峰离职，加入清华大学电子工程系任副教授

更多 >

LV.1

这个人很懒，什么都没有留下～

作者相关精选

换一批

目录

1. 目标检测问题定义

2. 自 CVPR 2017 后的进展

加入讨论

的问答专区 >

大王叫我来巡山、0

相关课程

一站式学习中心 >

腾讯云向量数据库-RAG七天入门训练营

向量数据库

腾讯云安灯