好的，今天要繼續接著昨天的話題，因為這個在神經網路歷史還蠻重要的，所以我們來了解一下。

在 ImageNet 資料庫完成後，就開始辦比賽 ILSVR（ImageNet Large Scale Visual Recognition Competition）年度大規模視覺識別挑戰賽，下圖是歷屆得勝模型名稱和辨識的錯誤率。

這篇文章有整理介紹，可以看一下，ILSVRC 歷屆的深度學習模型，不過先不要去糾結裡面的模型，大概了解一下各模型的差異點就好，等我們之後熟悉後再回來研究.

剛開始是由 ML及 SVM 等技術逐鹿，然而就在五年前(2012)，深度學習之父 Hinton 的高徒 Alex Krizhevsky 首次採用深度學習架構參與此競賽, (論文連結)，並以極大的差距擊敗了使用 Support Vector Machine 技術 Xerox Research Centre Europe 隊伍，自始以後，揭開了 Deep learning 吸引全球關注嶄露頭角的布幔。

我們記住這個時間點，在 2012 用了深度學習架構之後，電腦視覺研究就大爆發了!

另一個要記住的點，在這個時間點 GPU 的需求也大爆發，這篇介紹的很讚 2012年令深度學習和NVIDIA股價火爆起來的真正關鍵──GPU

大家都瘋了，NVIDIA 也瘋了。沒想到採用 GPU 運算的深度學習能有如此殺傷力強大的效果，運算速度是 CPU 的 70 倍以上，終於讓深度學習真正火爆起來。2012 年之後的 ImageNet 競賽，大家都紛紛採用 GPU 做運算。

目前要做訓練的話，CUDA Toolkit 都需要裝來用，加快訓練速度。說到這裡，我的 macbook pro 很尷尬，我一度想去買 eGPU 外接顯示卡盒來用。好，扯遠了。

然後物件偵測技術也開始快速發展, 這裡有件研究者 hoya012，做了一個完整物件偵測架構的整理，感恩他。用紅色部份是他覺得需要先了解的論文，有時間的話其他論文也需要閱讀。
傳送門

我現在只比較熟 yolo v3，之後有機會再整理一篇實作練習的記錄。這裡是 yolo 研究者Joseph Redmon 的演講，值得看一看。

這篇大都是導讀，再整理一下參考文章

• ILSVRC 歷屆的深度學習模型
• 2012年令深度學習和NVIDIA股價火爆起來的真正關鍵──GPU