目标检测10年，改进YOLO还是DETR？

文章预览

目标检测作为计算机视觉核心任务之一，在深度学习技术的高速发展下，近十年一直是重点研究方向， 相关论文数量逐年增长！ 从R-CNN、YOLO，到SSD、RetinaNet，和引入Transformer的DETR，学界和业界创新不断， 关键技术也日新月异， 轻量化、端到端、3D目标检测，以及小目标、跨模态、开放世界检测！即便如此，YOLO、DETR等作为里程碑式方法，依然都有改进空间与潜力！ 为了帮助大家掌握 目标检测技术路线 ，研梦非凡于 7月30日（周二） ，邀请了 发表过 CVPR论文、 资深算法工程师Frank导师， 为大家独家详解 《深度学习目标检测十年速览》（AI前沿直播课NO.57）， 从 目标检测的发展脉络，到单双阶段 算法， 重点讲解 YOLOv8、Faster R-CNN，并介绍Transformer目标检测（VIT、DETR）、目标检测与图像分割（Unet、Mask R-CNN），以及 损失函数， 1节课带大家速通主流 ………………………………