目标检测：较新算法（算法介绍与开源代码）（2022.3.8）

发布时间：2024-10-23 14:01

一、目标检测

1.YoloX（yolox紧跟潮流，变为无需锚点框【Anchor-free】的方法了。导言部分明确提出，yolox就是为了把前沿的trick加入yolo大家族）

“白话”目标检测系列：YOLO X

GitHub - Megvii-BaseDetection/YOLOX: YOLOX is a high-performance anchor-free YOLO, exceeding yolov3~v5 with MegEngine, ONNX, TensorRT, ncnn, and OpenVINO supported. Documentation: https://yolox.readthedocs.io/

【深度学习】解决YOLOX训练时AP为0_MangoloD的博客-CSDN博客_扫描到的ap数目为0

2.yolo7(with transformer)

GitHub - jinfagang/yolov7: YOLO with Transformers and Instance Segmentation, with TensorRT acceleration!

3.YoloS（with Transformer）

YOLOS：通过目标检测重新思考Transformer（附源代码）

4. Focal Loss升级：让Focal Loss动态化，类别极端不平衡的情况也可以轻松解决

Focal Loss升级：让Focal Loss动态化，类别极端不平衡也可以轻松解决

yolo5系列

1.上海交大提出CDNet：基于改进YOLOv5的斑马线和汽车过线行为检测

上海交大提出CDNet：基于改进YOLOv5的斑马线和汽车过线行为检测

2.yolo5官网的使用技巧

YOLOv5训练自己的数据集（超详细完整版）_深度学习菜鸟的博客-CSDN博客_yolov5训练自己的数据集

https://github.com/ultralytics/yolov5

二、旋转目标检测

MMRotate：一款基于 PyTorch 的旋转框检测的开源工具箱

\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0\0

目标检测：较新算法（算法介绍与开源代码）（2022.3.8）

相关推荐