各场景的深度学习模型类库

一、目标检测

• Yolov 系列

  You only look once（Yolo）是一个基于 COCO 数据集的目标检测架构系列。

  

  • 论文：YoloV1、YoloV2、YoloV3、YoloV4

    YoloV5 没有论文，不过在代码上更加工程化了，在工业落地上做的更好。对于前三篇论文，YOLO 原作者 Joseph Redmon 都参与研究了，第四篇论文也得到了原作者的肯定。 题外话：Joseph Redmon 在个人 Twitter 上宣布，将停止一切 CV 研究，原因是自己的开源算法已经用在军事和隐私问题上。这对他的道德造成了巨大的考验。

二、关键点识别

• OpenPose

  OpenPose 代表了第一个实时多人系统，可以在单张图像上联合检测人体、手、面部和脚的关键点(共135个关键点)。

  

三、行为识别

• SlowFast

  PySlowFast 是一个来自 FAIR 的开源视频理解代码库。

  

四、图像分割

• U-Net 系列

  U-Net 是一个图像分割网络系列，包含 U-Net、U-Net++。

  

  • 论文：U-Net、U-Net++

• $\text{U}^2$-Net

  同 U-Net 类似，但是功能上有更多惊喜。

  

  • 论文：$\text{U}^2$-Net

五、表格数据检测提取

• CascadeTabNet

  一种基于图像的端到端表检测与结构识别方法。

  

• 论文地址：arXiv、CVPR

六、密集场景计数

• LearningToCountEverything

  一种用于密集场景对于任意类型的物体进行计数的类库。