논문 제목: EfficientDet: Scalable and Efficient Object Detection Introduction

논문 제목: M2Det: A Single-Shot Object Detector based on Multi-Level Feature Pyramid NetworkIntroduction

논문 제목: Cascade R-CNN: Delving into High Quality Object Detection대부분의 object detector들은 positive/negative를 정의하는 IoU의 threshold $u$를 0.5로 설정한다. 이러한 thre

논문 제목: Single-Shot Refinement Neural Network for Object DetectionObject Detection은 1-stage detector와 2-stage detector로 나뉜다. 2-stage detector는 느린 속도를 갖

논문 제목: Focal Loss for Dense Object Detection당시 sota 성능의 object detectors는 R-CNN계열의 detector들과 같은 2-stage detector였다. 물론 YOLO와 SSD와 같은 1-stage detector

논문 제목: Mask R-CNNMask R-CNN은 object detection을 수행하는 기존의 Faster R-CNN에 object masks를 예측하는 branch를 추가한 방법이다. Mask R-CNN은 Faster R-CNN에 비해 약간의 overhead만

논문 제목: Feature Pyramid Networks for Object Detection 개요 Feature pyramids는 다른 크기들의 객체를 탐지하는 시스템의 기본 요소이다. 그러나 최근의 딥러닝 detection들은 pyramid representati

논문 제목: YOLO9000: Better, Faster, Stronger9000종류의 객체를 탐지할 수 있는 최신의 실시간 object detection system YOLO9000을 소개한다.먼저 기존 YOLO 모델을 개선시킨 YOLO v2를 제안한다. YOLO v

논문 제목: R-FCN: Object Detection via Region-based Fully Convolutional Networks R-FCN 개요 기존의 Fast/Faster R-CNN과 같은 2-stage detector들은 RoI pooling layer

논문 제목: SSD: Single Shot MultiBox Detector SSD 개요 SSD는 그 당시 state-of-the-art의 성능을 보여줬던 Faster R-CNN보다 높은 detection accuracy를 갖으면서 속도를 향상시켰다. 속도 향상을 위한

논문 제목: You Only Look Once(YOLO): Unified, Real-Time Object Detection YOLO v1 개요 R-CNN과 같은 이전의 object detection 모델과 다르게 YOLO는 1-stage detector로 하나의 네트

논문 제목: Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks Faster R-CNN 개요 SPPnet과 Fast R-CNN은 region proposal computation

논문 제목: Fast R-CNN fast R-CNN 개요 먼저 이전 모델인 R-CNN의 문제점을 알아보자 학습이 multi-stage pipeline으로 이뤄진다. 학습에서 공간(메모리)과 시간 비용이 비싸다 객체 탐지(object detection)가 느리다.

논문 제목: Rich feature hierarchies for accurate object detection and semantic segmentation Tech report논문 주소