【文件属性】：
文件名称：谷歌师兄的leetcode刷题笔记-MobileNet-Object-Detection:MobileNet对象检测
文件大小：20.77MB
文件格式：ZIP
更新时间：2021-06-30 07:49:40
系统开源
谷歌师兄的leetcode刷题笔记使用移动网络的物体检测：
用于物体检测的单次检测器：
当涉及到基于深度学习的对象检测时，您可能会遇到三种主要的对象检测方法：
（Girshick
等人，2015
年）
（雷德蒙和法哈迪，2015
年）
（刘等，2015）
Faster
R-CNN
可能是使用深度学习进行对象检测最“听说”的方法；
然而，该技术可能难以理解（尤其是对于深度学习的初学者）、难以实施且难以训练。
此外，即使使用“更快”的
R-CNN
实现（其中“R”代表“区域提议”），算法也可能非常慢，大约为
7
FPS。
如果我们追求纯粹的速度，那么我们倾向于使用
YOLO，因为这种算法要快得多，能够在
Titan
X
GPU
上处理
40-90
FPS。
YOLO
的超快变体甚至可以达到
155
FPS。
YOLO
的问题在于它的准确性有待提高。
最初由
Google
开发的
SSD
是两者之间的平衡。
该算法比
Faster
R-CNN
更直接（我认为在原始的开创性论文中解释得更好）。
我们还可以享受比
Girshick
等人更快的
FPS
吞吐量。
22-46
FPS，具体取决于我们
【文件预览】：
MobileNet-Object-Detection-master
----~$readme.md(162B)
----images()
--------example_03.jpg(103KB)
--------example_05.jpg(120KB)
--------example_01.jpg(47KB)
--------example_02.jpg(6KB)
--------example_06.jpg(67KB)
--------example_04.jpg(39KB)
----deep_learning_object_detection.py(3KB)
----MobileNetSSD_deploy.prototxt.txt(29KB)
----MobileNetSSD_deploy.caffemodel(22.08MB)
----readme.md(4KB)
----objectdetection.py(2KB)