Hi，大家好！我是Pascal_M，感谢关注公众号[Pascal算法摆渡人]。
从专业学习以及工作已十年有余，蓦然回首才发现自己成为算法经历者、分享者和创造者。
对于初学者想了解CV和NLP的过往发生了什么，作为经历者可以一起阅读历史中经典模型文献，收获过往的经验并产生新的想法。对于算法工程师我们可以一起去阅读现在正在创造的新模型文献、新的技术使得可以在具体的行业中进行落地并产生商业价值。
我们一起读起来！！！了解过往历史文献的方法和不足之处，展望最新的文献和技术。
YOLOv8
目标检测和分割模型是在 COCO 数据集上预训练的，而分类模型是在 ImageNet 数据集上预训练的。
目标检测
模型尺寸
（像素）mAPval
50-95推理速度
CPU ONNX
(ms)推理速度
A100 TensorRT
(ms)参数量
(M)FLOPs
(B)YOLOv8n64037.380.40.993.28.7YOLOv8s64044.9128.41.2011.228.6YOLOv8m64050.2234.71.8325.978.9YOLOv8l64052.9375.22.3943.7165.2YOLOv8x64053.9479.13.5368.2257.8mAPval 结果都在COCO val2017数据集上，使用单模型单尺度测试得到。 复现命令 yolo mode=val task=detect data=coco.yaml device=0推理速度使用 COCO 验证集图片推理时间进行平均得到，测试环境使用Amazon EC2 P4d实例。 复现命令 yolo mode=val task=detect data=coco128.yaml batch=1 device=0/cpu
实例分割
模型尺寸
（像素）mAPbox
50-95mAPmask
50-95推理速度
CPU ONNX
(ms)推理速度
A100 TensorRT
(ms)参数量
(M)FLOPs
(B)YOLOv8n64036.730.596.111.213.412.6YOLOv8s64044.636.8155.71.4711.842.6YOLOv8m64049.940.8317.02.1827.3110.2YOLOv8l64052.342.6572.42.7946.0220.5YOLOv8x64053.443.4712.14.0271.8344.1mAPval 结果都在COCO val2017数据集上，使用单模型单尺度测试得到。 复现命令 yolo mode=val task=detect data=coco.yaml device=0推理速度使用 COCO 验证集图片推理时间进行平均得到，测试环境使用Amazon EC2 P4d实例。 复现命令 yolo mode=val task=detect data=coco128.yaml batch=1 device=0/cpu
分类
模型尺寸
（像素）acc
top1acc
top5推理速度
CPU ONNX
(ms)推理速度
A100 TensorRT
(ms)参数量
(M)FLOPs
(B) at 640YOLOv8n22466.687.012.90.312.74.3YOLOv8s22472.391.123.40.356.413.5YOLOv8m22476.493.285.40.6217.042.7YOLOv8l22478.094.1163.00.8737.599.7YOLOv8x22478.494.3232.01.0157.4154.8acc 都在ImageNet数据集上，使用单模型单尺度测试得到。 复现命令 yolo mode=val task=detect data=coco.yaml device=0推理速度使用 ImageNet 验证集图片推理时间进行平均得到，测试环境使用Amazon EC2 P4d 实例。 复现命令 yolo mode=val task=detect data=coco128.yaml batch=1 device=0/cpu
目标检测（Object Detection）
1）文献阅读
综述：
Pascal：[CV – Object Detection]目标检测综述（1）- 目标检测开发流程
Pascal：[CV – Object Detection]目标检测综述（2）- 单目视觉目标检测
Pascal：[CV – Object Detection]目标检测综述（4）- 数据集和应用场景
Pascal：[CV – Object Detection]目标检测YOLO系列综述（上）
Pascal：[CV – Object Detection]目标检测YOLO系列综述（下）
Pascal：[CV – Object Detection]目标检测YOLO系列综述（全）
Pascal：[CV – Object Detection – 2019]目标检测综述（一） – 从20世纪90年代至2019年
Pascal：[CV – Object Detection – 2019]目标检测综述（二） – 从20世纪90年代至2019年
Pascal：[CV – Object Detection – 2019]目标检测综述（三） – 从20世纪90年代至2019年
Pascal：[CV – Object Detection – 2019]目标检测综述（四） – 从20世纪90年代至2019年
Pascal：[CV – Object Detection – 2019]目标检测综述（五） – 从20世纪90年代至2019年
Pascal：[CV – Object Detection – 2019]目标检测综述（六） – 从20世纪90年代至2019年
。。。
Pascal算法摆渡人：[CV – Object Detection – 2022]目标检测系列 – 网络结构设计和优化技巧
解决方案：
CNN机制
Pascal：[CV – Object Detection]目标检测 – SSD模型
Pascal算法摆渡人：[CV – Object Detection – 2015]目标检测YOLO系列 – YOLOv1开启一阶段新方向
Pascal：[CV- Object Detection]目标检测YOLO系列 -YOLOv1
Pascal：[CV – Object Detection]目标检测YOLO系列 – YOLOV2
Pascal：[CV – Object Detection]目标检测YOLO系列 – YOLOV3
Pascal：[CV – Object Detection]目标检测之后处理NMS算法 – Pytorch代码解析
Pascal：[CV – Object Detection]目标检测YOLO系列 – YOLOv4（上）网络结构设计和优化技巧
Pascal：[CV – Object Detection]目标检测YOLO系列 – YOLOv4（下）
Pascal：[CV – Object Detection – Code]目标检测YOLO系列 – YOLOv5第一阶段工作（1）- 成功运行预测代码
Pascal：[CV – Object Detection – Code]目标检测YOLO系列 – YOLOv5第二阶段工作（2）- 运行训练代码
Pascal：[CV – Object Detection – Code]目标检测YOLO系列 – YOLOv5第三阶段工作（3）- 制作数据集
Pascal：[CV – Object Detection]目标检测YOLO系列 – YOLOv5
Pascal：[CV – Object Detection]目标检测YOLO系列 – 2022.09官方正式授命YOLOv6
Pascal：[CV – Object Detection]MS COCO2017数据集目标检测 – 解决方案YOLOv6（Anchor free）
Pascal：[CV – Object Detection]目标检测YOLO系列 – 22.07最新一版YOLOV7
。。。
Transformer机制
Pascal：[CV-目标检测]DETR模型- End-to-End Object Detection with Transformers
数据增强：
Pascal：[CV – Object Detection]目标检测YOLO系列 – YOLOv4目标检测数据增强Mosaic方法
竞赛方案：
Pascal：[CV – Object Detection]智慧城市目标检测算法竞赛 – 沿街晾晒识别冠军方案
Pascal：[CV – Object Detection]智慧环保目标检测算法竞赛 – 街道垃圾识别冠军方案
Pascal：[CV – Object Detection]智慧城管目标检测算法竞赛 – 户外违规广告牌识别冠军方案
2）代码复现
Pascal：[CV – Object Detection – Code]目标检测YOLO系列 – YOLOv5第一阶段工作（1）- 成功运行预测代码
Pascal：[CV – Object Detection – Code]目标检测YOLO系列 – YOLOv5第二阶段工作（2）- 运行训练代码
Pascal：[CV – Object Detection – Code]目标检测YOLO系列 – YOLOv5第三阶段工作（3）- 制作数据集
暂无评论内容