【计算机视觉 | SOTA模型】整理了197个经典SOTA模型，涵盖图像分类、目标检测等方向

朴灿烈づ我的快乐病毒、 2024-02-17 12:09 33阅读 0赞

#### 文章目录 ####

*  一、图像分类SOTA模型（15个）
 *  二、图像生成SOTA模型（16个）
 *  三、目标检测SOTA模型（16个）

## 一、图像分类SOTA模型（15个） ##

1.模型：AlexNet  
论文题目：Imagenet Classification with Deep Convolution Neural Network

2.模型：VGG  
论文题目：Very Deep Convolutional Networks for Large-Scale Image Recognition

3.模型：GoogleNet  
论文题目：Going Deeper with Convolutions

4.模型：ResNet  
论文题目：Deep Residual Learning for Image Recognition

5.模型：ResNeXt  
论文题目：Aggregated Residual Transformations for Deep Neural Networks

6.模型：DenseNet  
论文题目：Densely Connected Convolutional Networks

7.模型：MobileNet  
论文题目：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

8.模型：SENet  
论文题目：Squeeze-and-Excitation Networks

9.模型：DPN  
论文题目：Dual Path Networks

10.模型：IGC V1  
论文题目：Interleaved Group Convolutions for Deep Neural Networks

11.模型：Residual Attention Network  
论文题目：Residual Attention Network for Image Classification

12.模型：ShuffleNet  
论文题目：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices

13.模型：MnasNet  
论文题目：MnasNet: Platform-Aware Neural Architecture Search for Mobile

14.模型：EfficientNet  
论文题目：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

15.模型：NFNet  
论文题目：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applic

## 二、图像生成SOTA模型（16个） ##

Progressive Growing of GANs for Improved Quality, Stability, and Variation

A Style-Based Generator Architecture for Generative Adversarial Networks

Analyzing and Improving the Image Quality of StyleGAN

Alias-Free Generative Adversarial Networks

Very Deep VAEs Generalize Autoregressive Models and Can Outperform Them on Images

A Contrastive Learning Approach for Training Variational Autoencoder Priors

StyleGAN-XL: Scaling StyleGAN to Large Diverse Datasets

Diffusion-GAN: Training GANs with Diffusion

Improved Training of Wasserstein GANs

Self-Attention Generative Adversarial Networks

Large Scale GAN Training for High Fidelity Natural Image Synthesis

CSGAN: Cyclic-Synthesized Generative Adversarial Networks for Image-to-Image Transformation

LOGAN: Latent Optimisation for Generative Adversarial Networks

A U-Net Based Discriminator for Generative Adversarial Networks

Instance-Conditioned GAN

Conditional GANs with Auxiliary Discriminative Classifier

## 三、目标检测SOTA模型（16个） ##

Rich feature hierarchies for accurate object detection and semantic segmentation

Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

Fast R-CNN

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

Training Region-based Object Detectors with Online Hard Example Mining

R-FCN: Object Detection via Region-based Fully Convolutional Networks

Mask R-CNN

You Only Look Once: Unified, Real-Time Object Detection

SSD: Single Shot Multibox Detector

Feature Pyramid Networks for Object Detection

Focal Loss for Dense Object Detection

Accurate Single Stage Detector Using Recurrent Rolling Convolution

CornerNet: Detecting Objects as Paired Keypoints

M2Det: A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network

Fully Convolutional One-Stage Object Detection

ObjectBox: From Centers to Boxes for Anchor-Free Object Detection

发表评论取消回复

表情：

评论列表（有 0 条评论，33人围观）

还没有评论，来说两句吧...

相关阅读

相关大语言模型融合SOTA

目录引言大语言模型融合的方法模型层面融合预训练层面融合最新SOTA结果文本分类机器翻译问答系统结论 -------------------

小鱼儿/ 2024年02月24日 01:19/ 0 赞/ 64 阅读

相关【计算机视觉】顶会精选！工业异常检测最新SOTA方案分享！

在实际的工业质量检测工作中，如何快速发现产品的异常区域是业内人士需要关注的重点，而在这一领域，目标检测发挥着重要的作用。为了更高效地解决工业场景中的这一问题，近年来工业异常

约定不等于承诺〃/ 2024年02月23日 08:24/ 0 赞/ 71 阅读

相关【计算机视觉 | 异常检测】顶会精选！工业异常检测最新SOTA方案分享！（下）

文章目录十、WinCLIP: Zero-/Few-Shot Anomaly Classification and Segmentation 十一、Expli

小灰灰/ 2024年02月17日 12:27/ 0 赞/ 34 阅读

相关【计算机视觉 | 异常检测】顶会精选！工业异常检测最新SOTA方案分享！（上）

文章目录一、Deep Learning for Unsupervised Anomaly Localization in Industrial Images: A

ゝ一纸荒年。/ 2024年02月17日 12:27/ 0 赞/ 34 阅读

相关【计算机视觉 | SOTA模型】整理了197个经典SOTA模型，涵盖图像分类、目标检测等方向

文章目录一、图像分类SOTA模型（15个）二、图像生成SOTA模型（16个）三、目标检测SOTA模型（16个）一、图像分类SOTA模型（15

朴灿烈づ我的快乐病毒、/ 2024年02月17日 12:09/ 0 赞/ 34 阅读

相关【计算机视觉|目标检测】研究生组会BARON模型PPT分享（草稿）

![在这里插入图片描述][6feb43b2f20e41058bfed2e01ca75cde.png] ![在这里插入图片描述][4e498abcb98e48398a2789

缺乏、安全感/ 2023年10月08日 22:24/ 0 赞/ 46 阅读

相关 SOTA！目标检测开源框架YOLOv6 3.0版本来啦

> 近日，美团视觉智能部发布了 YOLOv6 3.0 版本，再一次将目标检测的综合性能推向新高。YOLOv6-L6 检测精度和速度超越 YOLOv7-E6E，取得当前实时目标检

痛定思痛。/ 2023年09月29日 21:23/ 0 赞/ 11 阅读

相关计算机视觉-相机模型

1、小孔成像模型相机成像模型的雏形是小孔成像(pinhole),如下图所示： ![这里写图片描述][20160430234535112] 光线通过小孔(假设小孔

旧城等待，/ 2022年08月21日 12:38/ 0 赞/ 338 阅读

相关【计算机视觉】目标检测方法汇总

1、选择性搜索：方法：滑动窗口，规则块（利用约束进行剪枝）、选择性搜索（自底向上合并相邻的重叠区域）一步步计算相似度并且合并、剔除相似度的高的 OverFeat: 核心

旧城等待，/ 2022年05月20日 10:35/ 0 赞/ 298 阅读

相关计算机视觉笔记及资料整理(含图像分割、目标检测)

前言 1、简单聊聊：在我脑海中我能通过这些年听到的技术名词来感受到技术的更新及趋势，这种技术发展有时候我觉得连关注的脚步都赶不上。简单回顾看看，从我能听到的技术名词来

た入场券/ 2022年05月17日 13:13/ 0 赞/ 1051 阅读