- 21个项目玩转深度学习：基于TensorFlow的实践详解
- 何之源
- 335字
- 2020-08-28 01:50:41
5.3 总结
本章首先以R-CNN、SPPNet、Fast R-CNN、Faster R-CNN四种算法为例，介绍了深度学习中常用的目标检测方法。接着，介绍了Google公司开源的TensorFlow Object Detection API的安装和使用，主要分为执行已经训练好的模型和训练自己的模型两部分。希望读者能够通过本章，了解到深度学习中目标检测方法的基本原理，并掌握TensorFlow Object Detection API的使用方法。
拓展阅读
✪ 本章提到的R-CNN、SPPNet、Fast R-CNN、Faster R-CNN都是基于区域的深度目标检测方法。可以按顺序阅读以下论文了解更多细节：Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation (R-CNN)、Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition（SPPNet）、Fast R-CNN（Fast R-CNN）、Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks（Faster R-CNN）。
✪ 限于篇幅，除了本章提到的这些方法外，还有一些有较高参考价值的深度学习目标检测方法，这里同样推荐一下相关的论文：R-FCN:Object Detection via Region-based Fully Convolutional Networks（R-FCN）、You Only Look Once: Unified, Real-Time Object Detection（YOLO）、SSD: Single Shot MultiBox Detector（SSD）、YOLO9000:Better, Faster, Stronger（YOLO v2和YOLO9000）等。