CVPR

10：Inception-V3

• 是GoogleNet衍生，對卷積進行了非對稱的拆分，顯著的降低了參數量，使得空間特征更加的豐富

9：DenseNet

• 2017年的最佳論文
• 神經網絡經過多層的傳播，前層信號和梯度可能會消失，這篇論文解決了這個問題
• 他對每一層都加了一個shortcut，使得任意的兩層網絡都可以直接溝通

8：YOLO

• 在目標檢測大名鼎鼎的YOLO v5
• 只需要瀏覽一次，就可以識別圖中的物體的類別和數量
• 將目標檢測轉化為回歸問題求解

7：RCNN

• YOLO之前，目標檢測是YOLO的世界
• 在RCNN之前，是使用滑動窗口來判斷所有可能的區域
• RCNN使用selective search的方法

6：傳統的目標檢測【早】

5：GoogleNet

• 使用inception模塊，設計一種具有良好局部拓撲結構的網絡

4：ImageNet

• 李飛飛的代表作
• 海量帶標注數據集，目標分類，目標分割和目標檢測都應用深遠

3：FCN

• 語義分割的開山之作

2：HOG

• 經典的圖像特征提取方法

1：ResNet

• 解決深層CNN結構中的梯度小時和梯度爆炸的問題

總結

以上是生活随笔為你收集整理的CVPR十大论文的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。