![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法细节
文章平均质量分 87
ckq3
这个作者很懒,什么都没留下…
展开
-
RetinaNet算法笔记
RetinaNet算法笔记1.核心思想1.1 focal loss损失1.2 简单的网络结构2.网络结构2.1 backbone网络2.2 FPN网络2.3 head网络2.3.1 分类子网络2.3.2 回归子网络3.损失函数计算3.1 anchor及正负样本分配3.1.1 anchor的基础尺寸、长宽比、尺度3.1.2 正负样本分配3.2 边界框回归损失函数3.3 focal loss分类损失3.3.1 standard binary cross entropy3.3.1.1 基本公式3.3.1.2 简单原创 2021-08-30 19:00:24 · 791 阅读 · 0 评论 -
CenterNet算法笔记
CenterNet算法笔记1.核心思想2.网络结构2.1Backbone网络2.2neck网络2.3head网络2.3.12D检测2.3.1.1 keypoints heatmap2.3.1.2 local offset2.3.1.3 object size2.3.2 3D检测3.推理流程4.我对CenterNet的几个问题4.1 为什么CenterNet不需要NMS?4.1.1 原论文的解释4.1.2 对原论文解释的疑惑4.1.3 CenterNet的heatmap和YOLOv3的置信度特征图有什么区别?原创 2021-08-25 21:51:58 · 814 阅读 · 0 评论 -
YOLOv5算法的部分笔记
YOLOv5算法的部分笔记1. mosaic增强方法2.损失函数2.1正负样本匹配策略2.2 正样本个数的增加策略2.3 损失函数yolov5还在快速度更新中,本文是以第三版为例所写,可能和最新的第四版有所出入,但变化应该不会很大。写此文主要是为了本人梳理yolov5知识点所用,若能帮助到他人,深感荣幸。本文内容主要来自笔者看yolov5代码、以下的知乎帖子,很多图、代码解析的内容都是从以下帖子中或借鉴、或摘抄而来,强烈建议大家先看一下这些大佬的帖子。[1] https://zhuanlan.zhihu原创 2021-05-30 16:41:21 · 3414 阅读 · 1 评论 -
YOLOv3算法论文笔记及算法细节梳理
YOLOv3算法笔记1.YOLOv3算法论文笔记摘要对YOLO进行l了一些更新,网络有点大,但速度还是比较快。注:其实YOLOv3不再追求那么高的速度了,而是在保证实时性的基础上,尽量提高准确性。1.1介绍对YOLO进行了改进,没什么超级有趣的东西,只是一些使效果更好的小改动。论文首先解释了YOLOv3的要点,然后描述了是怎样做的,接着讨论一些尝试了但没有用的技巧,最后,思考着意味着什么。1.2The Deal(要点,想法)YOLOv3的deal:借鉴他人的好idea,并训练一个新的分类网络原创 2020-08-29 23:00:24 · 4260 阅读 · 4 评论