精选优质文档-倾情为你奉上第一部分从RCNN开始介绍基于候选区域的目标检测器，包括Fast R-CNN、Faster R-CNN 和 FPN等。第二部分则重点讨论了包括YOLO、SSD和RetinaNet等在内的单次检测器。深度学习目标检测模型全面综述：Faster R-CNN、R-FCN和SSD从零开始PyTorch项目：YOLO v3目标检测实现像玩乐高一样拆解Faster R-CNN：详解目标检测的实现过程后RCNN时代的物体检测及实例分割进展物体检测算法全概述：从传统检测方法到深度神经网络框架基于候选区域的目标检测器滑动窗口检测器一种用于目标检测的暴力方法是从左到右、从上到下滑动窗口，利用分类识别目标。为了在不同观察距离处检测不同的目标类型，我们使用不同大小和宽高比的窗口。滑动窗口（从右到左，从上到下）根据滑动窗口从图像中剪切图像块。由于很多分类器只取固定大小的图像，因此这些图像块是经过变形转换的。但是，这不影响分类准确率，因为分类器可以处理变形后的图像。将图像变形转换成固定大小的图像。变形图像块被输入 CNN 分类器中，提取出 4096 个特征
