Deep Learning Resources for Image Recognition
原文英文，约3000词，阅读约需11分钟。
📝
内容提要
本文提供了一个全面的目标检测算法和框架列表，包括R-CNN、Fast R-CNN、YOLO、SSD等。还介绍了目标检测中深度学习的最新进展和相关调查。文章中包含了每个算法的原始论文和代码库的链接。
🔎
延伸解读
目标检测算法演进脉络
文章按时间顺序列出了从R-CNN到YOLOv3、SSD等主要目标检测算法，并提供了原始论文和代码链接。读者可以从中看出两条主线：一是R-CNN系列的两阶段检测器不断优化精度，二是YOLO和SSD系列的单阶段检测器追求实时速度。这种分类有助于理解不同算法在精度与速度之间的权衡。
开源工具箱的选用参考
文章介绍了Detectron、Detectron2、maskrcnn-benchmark和mmdetection等目标检测工具箱。Detectron基于Caffe2，而Detectron2和mmdetection基于PyTorch，后者更受现代研究青睐。读者可根据框架偏好和社区活跃度选择工具，但需注意文章未比较各工具箱的性能差异。
前沿方向与扩展任务
除了常规目标检测，文章还涵盖了3D目标检测、零样本检测、单样本检测和弱监督检测等前沿主题，并提供了相关论文链接。这些方向适合希望探索非标准场景的研究者，但文章仅列出资源，未深入讨论各方法的优劣或适用条件。
❓
Q&A
目标检测算法有哪些主要类型？
主要类型包括R-CNN系列、YOLO系列和SSD系列等。
R-CNN系列算法有哪些？
R-CNN系列包括Fast R-CNN、Faster R-CNN和Mask R-CNN等。
YOLO算法的最新版本是什么？
YOLO的最新版本是YOLOv3。
什么是SSD算法？
SSD（Single Shot MultiBox Detector）是一种单次检测多框的目标检测算法。
有哪些工具可以用于目标检测？
常用的工具包括Detectron、Detectron2和mmdetection等。
深度学习在目标检测中的最新进展是什么？
最新进展包括3D目标检测、零样本目标检测和弱监督目标检测等主题。
🏷️
