yolov4-翻译阅读

最新推荐文章于 2024-06-30 15:59:08 发布
最新推荐文章于 2024-06-30 15:59:08 发布
阅读量343 收藏
点赞数
分类专栏： 神经网络
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/feng3355/article/details/106304503
版权

1.记录一下翻译阅读过程

2. abstract：有大量的特征被认为可以提高卷积神经网络(CNN)的准确性，但是需要在大型数据集上对这些特征的组合进行实际测试，并对结果进行理论证明。有些特性只对某些模型起作用，只对某些问题起作用，或者只对小规模数据集起作用;而一些特性，如 batch-normalization and residual-connections，则适用于大多数模型、任务和数据集。

尼古拉斯★欧拉
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
YOLOv4全文阅读（全文中文翻译）
吴建明wujianming_110117
04-25 1296
YOLOv4全文阅读（全文中文翻译） YOLOv4: Optimal Speed and Accuracy of Object Detection 论文链接： https://arxiv.org/pdf/2004.10934.pdf 代码链接： https://github.com/AlexeyAB/darknet 摘要 有大量的特征被认为可以提高卷积神经网络（CNN）的精度。需要在大型数据集上...
YOLOv4
zyflhh1314的博客
05-02 526
YOLOv4已在上周千呼万唤始出来。YOLO之父Jeseph Redmon在今年2月已宣布退出CV学术界，大家都以为YOLO系列已不再更新了，幸而，学术界和开源社区的力量是强大的。另一位曾经参与YOLO项目维护的大神Alexey Bochkovskiy接过了YOLO这面大旗，在arXiv上提交了YOLO v4，而且，这篇论文已经被拉入原来YOLO之父建立的项目主线。 YOLOv4：目标检测的最优速...
文献翻译——YOLOv4:Optimal Speed and Accuracy of Object Detection
htx的博客
10-14 1354
摘要 目前有很多可以提高CNN准确性的算法。这些算法的组合在庞大数据集上进行测试、对实验结果进行理论验证都是非常必要的。有些算法只在特定的模型上有效果，并且只对特定的问题有效，或者只对小规模的数据集有效；然而有些算法，比如batch-normalization和residual-connections，对大多数的模型、任务和数据集都适用。我们认为这样通用的算法包括：Weighted-Residual-Connections（WRC), Cross-Stage-Partial-connections（CSP）
YOLOv4详细解释
最新发布
qq_65960840的博客
06-30 1178
一个目标检测网络的组成可以由一个公式来描述。
YOLOv4-pytorch 版源代码
06-25
YOLOv4-pytorch版源代码是针对目标检测模型YOLOv4的一个实现，该模型基于深度学习框架PyTorch。YOLO（You Only Look Once）是一种实时目标检测系统，以其快速和准确的特性在计算机视觉领域广受欢迎。YOLOv4在前几代...
yolov4-tiny预训练模型和权重weigths cfg 文件.rar
07-23
YOLOv4-tiny是YOLO（You Only Look Once）目标检测框架的一个轻量级版本，设计用于在保持相对高的检测精度的同时，提高检测速度。YOLO系列算法因其实时目标检测的能力，在计算机视觉领域广受欢迎。这个压缩包包含了...
YOLOv4-vs-YOLOv4-tiny
04-22
YOLOv4-vs-YOLOv4-tiny 根文件夹中有两个主要的jupyter笔记本，其中包含在roboflow的数据集上运行YOLOv4和YOLOv4-tiny的所有代码和指令。 我还添加了一些功能来使用您的网络摄像头捕获实时对象检测。 视频文件夹包含...
tensorflow-yolov4-tflite：YOLOv4，YOLOv4-tiny，YOLOv3，YOLOv3-tiny在Tensorflow 2.0，Android中实现。 转换YOLO v4 .weights张量流，张量和tflite
01-31
tensorflow-yolov4-tflite YOLOv4，YOLOv4-tiny在Tensorflow 2.0中实现。 将YOLO v4，YOLOv3，YOLO tiny .weights转换为.pb，.tflite和trt格式以生成tensorflow，tensorflow lite和tensorRT。 下载yolov4.weights...
yolov4-tiny.weights
06-29
yolov4 Tiny版本的预训练权重，提取了yolo v4的backbone层，可用作训练yolo-V4.
yolov4论文翻译
alex1801
06-24 1039
YOLOv4 Optimal Speed and Accuracy of Object Detection 论文下载：https://arxiv.org/pdf/2004.10934.pdf 论文源码：https://github.com/AlexeyAB/darknet 摘要 有大量的特性是可以提高卷积神经网络（CNN）的准确性。需要对大型数据集上此类要素的组合进行实际测试，以得到结果的理论论证。某些特性仅针对特定模型、特定问题，或仅适用于小规模数据集；而某些特性（如批处理规范化和残差连接）适用于
YOLOv4 论文翻译
qq_24739717的博客
05-25 827
YOLOv4:Optimal Speed and Accuracy of Object Detection YOLOv4: 目标检测的最佳速度和精度 论文地址 代码 摘要 据说有很多功能可以提高卷积神经网络（CNN）的准确性。在大型数据集上对这些特征的组合进行实际测试，并对结果进行理论证明是必要的。某些功能仅在某些模型上运行，并且仅在某些问题上运行，或者仅在小型数据集上运行。而一些特性，如批处理规范化和调整大小连接，则适用于大多数模型、任务和数据集。我们假设这些通用特征包括加权剩余连接（WRC）、跨阶段部分
【全文翻译】YOLOv4：目标检测的最佳速度和准确性
行云
04-24 7725
摘要 有许多功能可以提高卷积神经网络（CNN）的准确性。需要在大型数据集上对这些特征的组合进行实际测试，并对结果进行理论证明。一些功能仅在某些模型上运行，并且仅在某些问题上运行，或者仅在小规模数据集上运行； 而某些功能（例如批归一化和残差连接）适用于大多数模型，任务和数据集。我们假设此类通用功能包括加权残差连接（WRC），跨阶段部分连接（CSP），跨小批量标准化（CmBN），自...
Yolov4论文翻译与解析（一）
liu3612162的博客
04-25 9887
前言 时隔两年之后，伴着Yolo原作者Redmon在twitter正式宣布退出cv界，大家都以为yolo系列已经终结的时候，Yolov4横空出世，虽然作者已经大换血，但论文中给出的测试结果依然保留yolo系列的血统：保持相对较高的mAP的同时，大大降低计算量，可谓是学术成果在工业应用的典范，至于实际使用如何，还需要时间的进一步检验，期望v4能够如v3一般强大。这里对原论文进行一些个人的解析，有不对...
YOLOv4论文翻译(已校正)
m0_57787115的博客
05-09 1037
据说有大量的特征可以提高卷积神经网络(CNN)的准确性。需要在大数据集上对这些特征的组合进行实际测试，并对结果进行理论验证。有些特征专门针对某些模型和某些问题，或者只针对小规模数据集;而一些特性，如批处理标准化和剩余连接，适用于大多数模型、任务和数据集。我们假设这些通用特征包括加权剩余连接(WRC)，跨阶段部分连接(CSP)，跨小批处理标准化(CmBN)，自我对抗训练(SAT)和mish激活。
YOLOV4
热门推荐
年轻即出发，
04-26 1万+
论文：YOLOv4: Optimal Speed and Accuracy of Object Detection Github：https://github.com/AlexeyAB/darknet 论文主要针对各种可以提升精度的trick进行了整合，加入YOLOV3中，得到最终本文的YOLOV4。最终在coco上面达到了43.5%AP ，在Tesla V100 上达到了65FPS...
yolov9-T，yolov9-S,yolov9-M，yolov9-C,yolov9-E分别代表什么
05-31
也许您想问的是YOLOv3、YOLOv4或其他的模型，这些模型都是目标检测模型。目标检测是计算机视觉领域中一项重要的任务，其目标是在给定图像或视频中自动检测和定位物体。YOLOv3是一种基于深度学习的目标检测模型，它...
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