YOLO v1深入理解

https://www.jianshu.com/p/cad68ca85e27 对最后得到的7*7*30向量的组成说的很详细

https://www.cnblogs.com/pprp/p/10124370.html 对Pr(Object)做了讲解,还有这篇文章其它地方也讲的很详细

https://blog.csdn.net/zsl091125/article/details/84953166 具体讲了预测的bbox的中心和边框的计算方法,也就是(x,y,h,w)是如何生成的

此处的(xc,yc)和(xcol,yrow)不是一回事,(xc,yc)应该是红色bbox中点的数值,而(xcol,yrow)是红色bbox中点所在grid cell的位置,此处即为(1,4),wi和hi也是具体的数值,也就是整个图形的宽和高.

比如:我们设(wi,hi)=(14,14),那么从图中可以看出(xc,yc)=(2.4,8.8),那么

x=(2.4/14)*7-1=0.2,

y=(8.8/14)*7-4=0.4

这个值就是预测出来的红色bbox中心点的位置,它是相对与中心点所在的grid cell来看的.

https://blog.csdn.net/baidu_27643275/article/details/82789212

https://blog.csdn.net/Li_haiyu/article/details/80509268

https://www.jianshu.com/p/cad68ca85e27

https://zhuanlan.zhihu.com/p/24916786 通过这篇的讲解我明白了Class score for each bbox是怎么来的。看文中从黑体Test开始的内容。

 

Linux创始人LinusTorvalds有一句名言:Talk is cheap, Show me the code.(冗谈不够,放码过来!)。 代码阅读是从入门到提高的必由之路。尤其对深度学习,许多框架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。  YOLOv3是一种基于深度学习的端到端实时目标检测方法,以速度快见长。YOLOv3的实现Darknet是使用C语言开发的轻型开源深度学习框架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。  本课程将解析YOLOv3的实现原理和源码,具体内容包括: YOLO目标检测原理  神经网络及Darknet的C语言实现,尤其是反向传播的梯度求解和误差计算 代码阅读工具及方法 深度学习计算的利器:BLAS和GEMM GPU的CUDA编程方法及在Darknet的应用 YOLOv3的程序流程及各层的源码解析本课程将提供注释后的Darknet的源码程序文件。  除本课程《YOLOv3目标检测:原理与源码解析》外,本人推出了有关YOLOv3目标检测的系列课程,包括:   《YOLOv3目标检测实战:训练自己的数据集》  《YOLOv3目标检测实战:交通标志识别》  《YOLOv3目标检测:原理与源码解析》  《YOLOv3目标检测:网络模型改进方法》 建议先学习课程《YOLOv3目标检测实战:训练自己的数据集》或课程《YOLOv3目标检测实战:交通标志识别》,对YOLOv3的使用方法了解以后再学习本课程。
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