标签：不同 cnn span 学习 voc fine -- icc nan
在目标检测的研究过程中，深度学习一直占居着主要的位置。通过搭建不同的网络模型，对当前两大主流开源数据集PASCALVOC和IMAGENET进行测试，已然成了一种新风向。
作为计算机视觉三大顶会：CVPR，ICCV，ECCV，每年都会有该方向的最新成果。
接下来汇总一下，以便需要时查看：
2014 ----------------------------------------------------------------- RCNN 58.5 CVPR(2014) SPPNET 59.2 ECCV(2014) -----------------------------------------------------------------
2015 ----------------------------------------------------------------- Fast-RCNN 70 ICCV(2015) Faster-RCNN 73.2 NIPS(2015) ----------------------------------------------------------------- 2016 ----------------------------------------------------------------- YOLOv1 66.4 CVPR(2016) ION / HyperNet / OHEM SSD 76.8 ECCV(2016) RFCN 79.5 NIPS(2016) -----------------------------------------------------------------
2017 ----------------------------------------------------------------- DSSD 81.5 Arxiv(2017) FPN / TDM YOLOv2 78.6 CVPR(2017) RoN / DCN / DeNet / CoupleNet /RetinaNet /MaskRCNN /DSOD /SMN
----------------------------------------------------------------- 2018 ----------------------------------------------------------------- YOLOv3 Arxiv(2018) STN /STDN RefineDet 83.8 CVPR(2018)
-----------------------------------------------------------------
标签：不同 cnn span 学习 voc fine -- icc nan
原文地址：https://www.cnblogs.com/jimchen1218/p/11926345.html
