yolo v3难点解析

最新推荐文章于 2022-07-27 19:47:25 发布
最新推荐文章于 2022-07-27 19:47:25 发布
阅读量1k 收藏 3
点赞数 1
分类专栏： 深度学习
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/china026/article/details/88286799
版权
本文详细探讨了YOLOv3的特征图坐标与向量坐标的关系，真实框与锚点匹配策略，多尺度和anchor的作用，以及损失函数的计算。重点解释了为何使用binar_crossentropy进行多元分类，以及预测框的筛选流程。通过理解这些关键点，有助于深入掌握YOLOv3的工作原理。
摘要由CSDN通过智能技术生成

1.特征图点位本身的坐标与点位上向量表示的坐标有什么联系？

前者还原到原图，表示单元格中心点。后者是真实框或者预测框的中心点。在制作标签时，是把目标框归一化之后的中心点，乘以特征图尺寸取整之后映射到特征图点位上。这样的联动关系表示框中心点肯定就在单元格中心点附近，落在单元格内部。

2.在制作标签时，同一个真实框，会不会被写入到不同尺度层或者同一尺度层不同anchor通道？为什么真实框与anchor之间计算IOU不考虑空间位置关系？

不可能，因为写入哪个层哪个通道是取真实框与9个anchor最佳的那个IOU来进行匹配的。这里需要注意的是，在与anchor计算IOU的时候，没有用到真实框和anchor的坐标中心点。是因为，这里的anchor仅仅是用来把不同大小的真实框给区分出来，以决定把真实框分配到哪个尺度的哪个通道。所以只需要看他们的面积是不是接近，而不需要考虑空间位置。所以在计算的过程中，默认了他们中心点重合，并按照大小小大的规则计算出IOU。

3.挨得近的目标框会不会写入到同一个点位？不同的特征图尺度和不同的anchor有啥用。

可能，看图就是三个目标覆盖了。所以需要多尺度多anchor把他们分开。同一个尺度层，不同anchor通道的作用，可以把挨得近大小又差不多的目标分开。不同尺度层

最低0.47元/天 解锁文章
china026
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
YOLO V3.pptx
08-28
YOLO V3-target detection model YOLO V3 是一种基于深度学习的目标检测模型，它是YOLO系列模型的第三代版本，相比于前两代模型，YOLO V3 在检测速度和准确性方面都有所改进。 多尺度预测 YOLO V3 使用多尺度预测...
用python实现YOLOv5(PyTorch)行人和车辆的目标检测，原理是什么？有什么技术难点？代码要如何设计？
2301_78256053的博客
06-07 1863
Python和PyTorch之间的关系可以理解为Python是PyTorch的“宿主语言”，即PyTorch是在Python语言环境中开发和运行的。因此，如果想要使用PyTorch进行深度学习的开发和研究，需要首先学习Python语言的基础知识，并了解Python中常用的科学计算库，如NumPy、Pandas等。目标框的预测：YOLOv5使用Anchor Box技术来预测目标框的位置和大小，需要在训练过程中不断地调整Anchor Box的大小和数量，以便更准确地检测目标物体。
探索 YOLO v3 实现细节 - 第4篇 数据和y_true
weixin_34320159的博客
08-14 1855
YOLO，即You Only Look Once的缩写，是一个基于卷积神经网络（CNN）的物体检测算法。而YOLO v3是YOLO的第3个版本（即YOLO、YOLO 9000、YOLO v3），检测效果，更准更强。 YOLO v3的更多细节，可以参考YOLO的官网。 YOLO是一句美国的俗语，You Only Live Once，你只能活一次，即人生苦短，及时行乐。 本文主要分享，如何实现Y...
yolov3 python代码_YOLOv3代码分析(Keras+Tensorflow)
weixin_33525298的博客
02-11 659
前面(YOLO v3深入理解)讨论过论文和方案之后，现在看一下代码实现。YOLO原作者是C程序，这里选择的是Kears+Tensorflow版本，代码来自experiencor的git项目keras-yolo3，我补充了一些注释，项目在keras-yolo3 + 注释，如有错漏请指正。图1 检测Raccoon下面讲一下训练样本的设置和loss的计算。图2 输入->输出训练样本设置参考上面图2...
yolov3数据预处理--preprocess_true_boxes()
shuijinghua的博客
07-10 4769
流程:数据先经过preprocess_true_boxes()函数处理,然后做一些处理输入到模型,损失函数是yolo_loss(), 网络最后一个卷积层的输出作为函数yolo_head()的输入,然后再使用函数yolo_eval()得到结果 1. preprocess_true_boxes(true_boxes, input_shape, anchors, num_classes), 这个函数得...
学yolo需要什么基础？怎么学YOLO?
gu1857035894的博客
07-27 4896
包括一些人工智能基础入门视频+AI常用框架实战视频、图像识别、OpenCV、NLQ、YOLO、机器学习、pytorch、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文、行业报告等。学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。对于yolov5，要自己动手写网络模型/模型的各种组件，预处理流程，loss的计算流程等等。3、将代码中的简写变量名，特别是很多单字母的变量名，改成全称，或者自己能一眼看明白的名称。..
yolo v3的网络结构
12-25
yolo v3的网络结构，用于目标检测，语义分割，内容较多，此处仅仅只是其网络结构。
YOLO v3 物体检测算法
11-03
YOLO v3是YOLO系列的第三版，由Joseph Redmon、Ali Farhadi等人在2018年提出，它在前两代的基础上进行了改进，提升了检测速度和准确性，尤其在小物体检测上有了显著的提升。 YOLO v3的核心概念仍然是基于单个神经...
yolotfjs-yolo、yolo v3和Tiny yolo v1、v2、v3与Tensorflow.js
03-27
【yolo】tfjs-yolo、yolo v3和Tiny yolo v1、v2、v3与Tensorflow.js 说明：tfjs-yolo、yolo v3和Tiny yolo v1、v2、v3与Tensorflow.js (tfjs-yolo,YOLO v3 and Tiny YOLO v1, v2, v3 with Tensorflow.js) 文件列表: ...
基于TensorFlow的YOLO v3目标检测算法设计源码
最新发布
04-06
本项目是一个基于TensorFlow实现的YOLO v3目标检测算法设计，包含27个文件，主要文件类型为Python源代码。该算法能够进行fine-tuning，以适应不同的检测需求。系统设计简洁高效，适合应用于视频监控、图像处理等场景...
Poly-YOLO及YOLOv3的不足:标签重写、无效的anchor分配
weixin_43937959的博客
12-22 3328
前言 在学习PolyYolo开源！Yolo也能做实例分割，检测mAP提升40%！，记录一下之前所学忘记的内容。 YOLOv3存在的问题 标签重写  YOLO系列都是基于图像的cell作为单元进行检测，即把一张图片分成mn个网格，就如上图的左图，黄色的点是四辆车的中心点，分别落在不同的格子，每个格子就负责预测这个物体。  以416416输入图像为例，图像的大小随着一系列的卷积下降到1313的feature map(YOLO从输入到输出的时候是经过32倍的下采样)。此时特征图的一个像素点的感受野是3232大小
yolo系列之yolo v3【深度解析】——讲的挺好，原作者厉害的
Arthur_Holmes的博客
10-14 2044
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...
yolov3程序中的一些难点
qq_44901773的博客
06-29 179
def helloa(*args,**kargs): lala = {"lala":"lalala"} lala["caca"] = "cacaca" lala.update(kargs) return lala helloa(caca="papa",dada="dada") 运行结果： {'caca': 'papa', 'dada': 'dada', 'lala': 'lalala'} from keras import backend as K input = K.on
yolov3算法中关于loss={'yolo_loss': lambda y_true, y_pred: y_pred}的理解
tpz789的博客
03-06 6759
yolov3算法中关于loss={‘yolo_loss’: lambda y_true, y_pred: y_pred}的理解 参考文献：（1）https://www.jianshu.com/p/7e45586c44be （2）https://blog.csdn.net/wangdongwei0/article/details/82563689?depth_1-utm_source=distrib...
KERAS-YOLOV3的代码走读
热门推荐
MAGICYANG的专栏
06-13 2万+
KERAS-YOLOV3的代码走读 GITHUB地址： https://github.com/qqwweee/keras-yolo3 YOLOV3的论文中文翻译： https://zhuanlan.zhihu.com/p/34945787 最好先把YOLOV2看明白，推荐一篇YOLOV2介绍的很清晰的博文： https://blog.csdn.net/jesse_mx/article/...
y_true
m0_46575795的博客
03-09 493
y_true 张量 y_true 是真实数据（或目标真相）传递给fit方法。 张量 y_pred 是模型预测（计算，输出）的数据。
探索YoloV3源码
u010901792的专栏
01-29 7673
文章目录准备数据训练参数创建模型模型优化保存模型学习率早期停止样本数量训练模型入口逻辑网络网络Darknet特征图**13x13检测图****26x26检测图****52x52检测图**真值fit_generator数据生成器图片和标注框真值y_trueLoss损失层参数预测数据损失函数预测**检测函数**YOLO参数输出封装YOLO评估检测方法补充1. IoU2. 冻结网络层3. compose...
深度学习算法一：目标检测(yolov3)思路理解小记录
耐心的小黑的博客
11-23 2159
一、模型部分 会根据所提供的9个先验框在darknet输出的三个特征层【y1,y2,y3】（形状分别是(N,255,13,13)，(N,255,26,26)，(N,255,52,52)）中的每个格点grid_cell上，预测三个框，这三个框的长宽比不是随意取的，是取自根据数据集聚类得到的9个先验框的长宽，这样三个特征层正好使用了9个先验框。 二、训练部分 会根据数据集，该数据集是xml格式或者其他格式，里面的主要内容就是【img，每一个目标的框信息以及所属类别】，得出和模型输出相同形状的数据，形状分别是[(
图像目标检测进阶：YOLO v3实践与历史梳理
本文档深入探讨了图像目标检测，特别是关注于YOLO v3这一重要算法的发展与应用。首先，作者回顾了图像目标检测的基本概念，强调了目标检测与目标分割、识别、检测和跟踪之间的关系，指出目标检测的目标是同时确定...
评论
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