![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
YOLO系列
文章平均质量分 82
gongp**?
这个作者很懒,什么都没留下…
展开
-
YOLO系列论文笔记--YOLOv2
YOLOv2速度--YOLOv2:67FPS(76.8mAP on VOC2007);40FPS(78.6mAP on VOC2007),mAP优于Fater R-CNN(ResNet和SSD)而且运行更快;目的--改进YOLO;--为了解决检测图像标签昂贵而不能进一步提高网络检测性能的问题,利用ImageNet分类数据和COCO检测数据的组合数据集联合训练一种多达9000类的实时检测模型;YOL...原创 2018-04-09 20:43:45 · 384 阅读 · 0 评论 -
YOLO系列论文笔记--YOLOv3
YOLOv3继续的改进;比YOLOv2的网络大,但准确率高仍旧快;320*320YOLOv3,28.2mAP,测试一张图片22ms,与SSD一样准确速度是SSD的三倍;YOLOv3的AP50为57.9(51ms),RetinaNet为57.5(198ms);--Bounding Box预测:与YOLOv2相同;--类预测:不使用softmax,因为有些boundingbox包括多标签(不能很好的适...原创 2018-04-19 16:18:43 · 3260 阅读 · 1 评论 -
YOLO系列论文笔记--YOLOv1
YOLOv1优点--预测为false positives的样例比较少,主要表现在YOLO是对整张图片进行处理,能够索取整体图片的上下文信息,不像滑动窗口和基于区域建议技术(如Fast R-CNN),它是以图像块为单位,用以对目标进行识别;--YOLO比DPM和R-CNN等顶级检测方法更具优势,在实验上表现在利用自然图像训练并在艺术品测试,其检测性能更优,究其本质,是由于YOLO学习目标特征的普遍化...原创 2018-04-08 21:38:00 · 1102 阅读 · 0 评论