【Speed/accuracy trade-offs for modern convolutional object detectors】1. Introduction
近年来由于使用卷积神经网络（CNN），目标检测方面取得了很大的进展。
基于这些网络的现代物体检测器，如Faster R-CNN [31]，R-FCN [6]，Multibox [40]，SSD [26]和YOLO [29]
现在已经足够好地部署在消费类产品中（例如Google Photos，Pinterest Visual Search），有些已被证明足够快，可以在移动设备上运行。
推荐阅读
- 目标检测|yoloV5（二）目标检测中常见指标
- Accurate Single Stage Detector Using Recurrent Rolling Convolution
- 目标检测|CVPR2019（无人驾驶3D目标检测论文点评）
- detectron2使用方法
- 目标检测|MobileNet网络系列论文及模型V1-V2-V3
- Pytorch|使用google colab + yolov3_tiny(pytorch) 训练自己的目标检测数据集
- 在CNNs中通过引导注意力进行遮挡行人检测（论文翻译）
- OpenCV2|学习OpenCV2——MeanShift之图形分割