【论文译文】YOLOv3

最新推荐文章于 2024-10-06 20:45:31 发布
最新推荐文章于 2024-10-06 20:45:31 发布
阅读量384 收藏 3
点赞数
分类专栏： 论文译文 文章标签： 译文 目标检测 YOLOv3
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a312863063/article/details/86626980
版权
bupt_gwy
关注
专栏目录
YoloV8改进策略：蒸馏改进|MimicLoss|使用蒸馏模型实现YoloV8无损涨点|特征蒸馏
m0_47867638的博客
05-26 480
在本文中，我们成功应用蒸馏策略以实现YoloV8小模型的无损性能提升。我们采用了MimicLoss作为蒸馏方法的核心，通过对比在线和离线两种蒸馏方式，我们发现离线蒸馏在效果上更为出色。因此，为了方便广大读者和研究者应用，本文所描述的蒸馏方法仅保留了离线蒸馏方案。此外，我们还提供了相关论文的译文，旨在帮助大家更深入地理解蒸馏方法的原理和应用。
YoloV8改进策略：蒸馏改进|CWDLoss|使用蒸馏模型实现YoloV8无损涨点|特征蒸馏
m0_47867638的博客
05-25 517
【代码】YoloV8改进策略：蒸馏改进|CWDLoss|使用蒸馏模型实现YoloV8无损涨点|特征蒸馏。
YOLOv3论文翻译
ManiacLook的博客
11-16 1526
文章目录Absstract1.引言2.The Deal2.1.边界框预测(Bounding Box Prediction)2.2.分类预测(Class Prediction)2.3.跨尺度预测(Predictions Across Scales)2.4.特征提取器(Feature Extractor)2.5.训练3.如何做4.我们试过但没用的东西(Things We Tried That Didn’t Work) Absstract ​ 本文为YOLO提供了一系列更新！它包含一堆小设计，可以使系统的性能得到
【YOLO学习】YOLOv3详解
最新发布
m0_62881487的博客
10-06 780
1. 与 YOLOv2 不同的是，YOLOv3 在 Darknet-19 里加入了 ResNet 残差连接，改进之后的模型叫 Darknet-53。在 ImageNet上 实验发现 Darknet-53 相对于 ResNet-152 和 ResNet101，不仅在分类精度上差不多，计算速度还比 ResNet-152 和 ResNet-101 快多了，网络层数也比它们少。2. YOLOv3 在三个不同的尺度上对框进行预测。使用类似于特征金字塔网络的概念从这些尺度上提取特征。
yolo系列之yolo v3【深度解析】
一新新的小白的博客
02-21 1万+
版权申明：转载和引用图片，都必须经过书面同意。获得留言同意即可 本文使用图片多为本人所画，需要高清图片可以留言联系我，先点赞后取图 这篇博文比较推荐的yolo v3代码是qwe的keras版本，复现比较容易，代码相对来说比较容易理解。同学们可以结合代码和博文共同理解v3的精髓。 github地址：https:...
YOLOv3 论文翻译及解读
热门推荐
I good vegetable a!
07-02 2万+
YOLOv3: An Incremental Improvement(一项渐进式的更新)
YOLOv3论文翻译讲解
m0_37799466的博客
05-26 609
YOLOv3: An Incremental Improvement 论文地址；代码地址 摘要 作者对YOLO进行了进一步的更新，做了一些小设计更改让其表现更好。YOLOv3比YOLOv2相较大了一些，但是检测更加准确，而且检测速度依然很快。320×320 YOLOv3模型能在28.2mAP的精度下运行速度达到了22ms，和SSD的准确度相同但是速度快了3倍。在使用之前的0.5 IOU mAP 检测指标时，YOLOv3表现相当棒。 在Titan X上，它在51毫秒内可达到57.9 AP50，而RetinaN
YOLOv3论文原文及原格式译文word+pdf
05-09
这篇论文详细介绍了YOLOv3的设计理念、改进之处以及其实现细节，对于深入理解目标检测技术非常有帮助。 YOLOv3相较于前两个版本（YOLOv1和YOLOv2）进行了多方面的优化，其中包括以下几个关键知识点： 1. **多尺度...
卷积神经网络——YOLOv4论文翻译
itlilyer的博客
10-20 2543
论文链接：https://arxiv.org/abs/2004.10934 YOLOv4: Optimal Speed and Accuracy of Object Detection Abstract 有大量的特性都自称可以提升卷积神经网络(CNN)的精度。仍然需要在大数据集上实际测试这些特性的组合并对结果进行理论证明。一些特性只能应用在特定模型上，或针对特定问题，或只应用与小尺度的数据集；另一些特征，像BN和残差连接可以应用到大部分的模型、任务和数据集上。我们假设通用的特征包括加权残差链接(WRC),跨
计算机视觉论文 Redmon_You_Only_Look_CVPR_2016_paper
05-26
在给定的压缩包文件中，包含四篇与计算机视觉相关的论文，分别是YOLOv3、"Redmon_You_Only_Look_CVPR_2016_paper"（YOLO的原始版本）、AlexNet以及"Levi_Age_and_Gender_2015_CVPR_paper"（关于年龄和性别识别）。...
YOLOv3论文翻译(已校正)
m0_57787115的博客
04-23 680
​ 此篇为目标检测系列论文：YOLOv3论文翻译（YOLOv3: An Incremental Improvement）翻译（已逐句校正，方便大家学习）
目标检测经典论文——YOLOv3论文翻译（纯中文版）：YOLOv3：增量式的改进（YOLOv3: An Incremental Improvement）
bigcindy的博客
08-02 3095
目标检测经典论文翻译汇总：[翻译汇总] 翻译pdf文件下载：[下载地址] 此版为纯中文版，中英文对照版请稳步：[YOLOv3中英文对照版] YOLOv3：增量式的改进 Joseph Redmon Ali Farhadi University of Washington 摘要 我们对YOLO进行了一系列更新！它包含一堆小设计，可以使系统的性能得到更新。我们也训练了一个新的、比较大的神经网络。虽然比上一版更大一些，但是精度也提高了。不用担心，它的速
YOLOv3论文全文完整理解翻译
意疏的学习笔记
05-22 1万+
前言 由于毕业需要翻译一篇英文文献。理所当然，我选择了这篇简短的YOLOv3。不得不说翻译这篇文章是一件很愉快的事，因为作者的确是很可爱。前后花了一天多的时间吧，毕竟水平有限，借助了谷歌翻译，也参考了别人的翻译，为了保证其中专有名词翻译的精准，也查了很多资料。其中加入了不少自己的理解，但是理解水平非常有限，现挂在这里，大家一起来找问题吧，如果发现问题，欢迎在下方留言讨论，看到必回复。看Y...
YOLOv3
乐乐的博客
03-05 926
Darknet-53网络，残差连接，多尺度预测，特征金字塔（FPN），Softmax函数，sigmoid函数
yolo v3 论文翻译-整理
alex1801
05-01 660
摘要 我们推出了YOLO的一些更新！我们做了一篮子微小的设计上的改变来让YOLO变得更好。我们同时也把这个新网络训练得更臃肿了。它虽然比上一版本大了一点，但更加准确。别担心，它依然很快。在320x320的分辨率28.2mAP上YOLOv3跑出了22ms，跟SSD准确率一样但比它快三倍。用的0.5 IOU mAP检测标准来衡量，YOLOv3很好了。在Titan X上它达到了57.9 AP50 推断...
YOLOv3论文中英文对照翻译
qq_42755230的博客
07-16 1603
我们提出了对YOLO的一些更新!我们做了一些小的设计改动，使其变得更好。我们还训练了这个新的网络，这个网络非常棒。它比上次大了一点，但更准确。不过它仍然很快，不用担心。在320×320的情况下，YOLOv3在28.2mAP的情况下运行22毫秒，与SSD一样准确，但速度快三倍。当我们看一下旧的0.5IOUmAP检测指标时，YOLOv3是相当好的。在TitanX上，它在51毫秒内实现了57.9个AP50，而RetinaNet在198毫秒内实现了57.5个AP50，性能相似但快3.8倍。...
论文阅读: YOLOv3
JNing
04-20 2020
Introduction 首先，我要贴出大神霸气侧漏的论文Introduction： 这可以解释为“艺高人狂妄”么？(→_→) 该文章继承了YOLOv2的bbox预测任务的方法，对bbox分类任务进行了修改 (用简单的logistic替换下softmax) 。 将DarkNet-19扩展至DarkNet-53： Innovation YOLOv3的作者自己也说了，本文没...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值