目标检测作为机器视觉中重要任务之一,是人工智能体系中一个具有重要研究价值的技术分支。对于卷积神经网络框架、anchor-based模型和anchor-free模型三个主流的目标检测模型进行梳理。首先,综述了主流卷积神经网络框架的网络结构、优缺点以及相关的改进方法;其次从one-stage和two-stage两个分支对anchor-based类模型进行深入分析,总结了不同目标检测方法的研究进展;从早期探索、关键点和密集预测三部分分析anchor-free类模型。最后对该领域的未来发展趋势进行了思考与展望。

经常要做汇报，还要做PPT，所以上传一些自己做的PPT做个保留，有人下载那就更好啦

本文总结了近几年来的目标检测算法paper的pdf文档和在github上的代码地址

目标的检测与跟踪技术在计算机视觉领域有着广泛的应用，比如在视频监控，无人驾驶，机器人等领域都有着举足轻重的价值。随着深度学习算法与技术的飞速发展，更是带动了该技术在性能、速度等方面取得了质的飞跃。然而随着社会的发展，需求的不断提高，我们在研究算法高效性的同时还要考虑算法所训练出的模型在实际应用上的性能与速度。本篇文章主要研究基于深度学习的目标检测与跟踪技术，该技术主要包括一个离线训练的检测模型，一个优化的跟踪器，以及一个学习模块来组成在线跟踪系统。通过研究出一种更快、性能更好的算法以及模型的压缩来达到使其训练出的模型在手机等嵌入式设备上实时运行的目的。

基于VOC数据集和YOLOV5框架的路面坑洼识别系统，可用于自动驾驶中的避坑

深度学习 ，目标检测 、卷积神经网络

这是一个本人在Windows下基于darknet+qt+opencv搭建的一个深度学习-目标检测快速训练预测的平台，可以利用该平台快速进行您自己数据集的标注/训练/预测。详细使用过程请访问博客：https://blog.csdn.net/KayChanGEEK/article/details/85849503

本压缩包包括了一个基于深度学习的消防机器人设计的设计文档，内容涵盖了机器人的功能和实现方式，智能灭火模块的开发详解以及驱动电机的选型等。还有基于YOLOv5卷积神经网络的已经训练好的火焰自主识别模块Python源代码和测试视频以及具体演示视频。包内还包括了机器人的各部件的3D建模（采用solidworks绘制）和装配体模型，外加一个用solidworks录制的机器人各部件运动演示视频。

深度学习目标检测方法综述

基于深度学习的汽车目标检测，有关于深度学习的目标检测算法学习 项目书配套学习代码，可运行，有测试图。