SegNet 论文地址：https://arxiv.org/pdf/1511.00561.pdfAbstract 提出了一个用于语义分割的encoder-decoder的网络结构，encoder用于特征提取，decoder用于将feature map恢复到原始图像大小，从而实现像素级别的分类。 在m ...

FCN 论文地址：https://arxiv.org/pdf/1411.4038.pdfAbstract 介绍了用于语义分割任务的全卷积的方法（其实这个在之前就出现过） 基于全卷积网络的CNN在语义分割任务中超过了state-of-art的效果（average IU比之前最好的结果高了20%），并且 ...

DeepLab V1 论文地址：https://arxiv.org/pdf/1412.7062v3.pdfAbstract 论文结合了CNN与CRF(条件随机场，属于概率图模型)，CNN在high level属性上的预测效果很好，CRF可以带来更高的定位精度。 提出了hole algorithm（孔 ...

概览 RCNN相关检测方法属于two stage的方法，跟yolo、SSD等one stage的方法不同，它是首先得到proposal，再对其进行regression与classification。比较经典的论文有RCNN、fast-RCNN、SPP Net、faster RCNN等。当然也衍生出许 ...

SSD 论文地址：https://arxiv.org/abs/1512.02325Abstract SSD之一种one stage的目标检测方法，可以直接实现端到端的detection。 SSD生成大量default box(这是在很多feature map上使用不同的aspect ratio以及s ...

yolo及其V2与V3 官网链接：https://pjreddie.com/darknet/yolo/ yolo 之前在做目标检测的过程中，主要是2个阶段，首先生成大量候选框，然后再对候选框做分类，yolo直接使用端到端的方法，进行目标检测，实现了端到端的实时检测。 相对于其他比较主流的检测方法， ...

论文简介 地址：Fully Convolutional Instance-aware Semantic Segmentation。 论文是首次使用end to end的方法实现实例分割，它同时完成对物体实例的检测与分割，在精度和速度都达到了state of art的水平。同时赢得了coco2016的 ...

论文简介 地址：U-Net: Convolutional Networks for Biomedical Image Segmentation。 论文中提出的unet网络结构包含用于获取信息的contracting path和用于精准定位的symmetric expanding path，可以直接进 ...

论文简介 地址：Xception: Deep Learning with Depthwise Separable Convolutions。 作者受到inception的启发，提出了xception结构，inception中的inception模块用depthwise separable convo ...

论文简介 地址：MobileNetV2: Inverted Residuals and Linear Bottlenecks。 论文提出了一种inverted residual structure的网络结构，借鉴residual nwtwork的思想，但是其中的卷积branch是首先扩展，再压缩，防 ...