论文:YOLOv3

YOLOv3通过改进的边界框预测、多类别分类和跨尺度预测提升检测性能。网络使用逻辑回归预测目标得分,不依赖softmax。特征提取采用Darknet-53,结合FPN实现多尺度预测,提高对不同大小目标的检测能力。
摘要由CSDN通过智能技术生成

YOLOv3: An Incremental Improvement

论文:https://arxiv.org/abs/1804.02767
代码:https://pjreddie.com/darknet/yolo/


边界框预测

YOLOv3还是使用k-均值作为锚框来预测边界框。网络为每个边界框预测4个坐标, t x 、 t y 、 t w 、 t h t_x、t_y、t_w、t_h txtytwth 。如果单元格从图像的左上角偏移( c x , c y c_x, c_y cx,cy

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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