大海

原文地址：SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size

对于目标检测算法而言，mAP(mean average precision)是最常用的评价指标了。关于如何计算mAP，不同的数据集提供了不同的实现方式，其中最常用的就是PASCAL VOC数据集的mAP计算，网上有很多相关的资料，看了很多还是感觉不理解，所以打算好好记录一下

相关实现：zjykzj/vocdev

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

复现地址：zjykzj/YOLOv1

原文地址：Identity Mappings in Deep Residual Networks

论文Deep Residual Learning for Image Recognition实现了一种新的网络结构 - 残差学习框架。通过堆叠残差单元，能够实现非常深的网络模型

下面使用PyTorch实现ResNet -18/34/50/101/152

参考：Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning，解析Inception-ResNet-v2架构

参考：Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning，解析Inception-ResNet-v1架构

参考：Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning，解析Inception-v4架构

原文地址：Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning

论文基于Inception结构和残差连接实现了3个网络：

1. Inception-v4
2. Inception-ResNet-v1
3. Inception-ResNet-v2

通过实验证明了残差连接能够很好的改善训练速度，同时证明了非残差的Inception网络同样能够实现最好的分类精度

原文地址：Deep Residual Learning for Image Recognition