【目标检测-YOLO】PP-YOLO(v3版本)

已于 2022-07-08 10:54:04 修改
阅读量772 收藏
点赞数
分类专栏： 论文阅读 视觉 YOLO 文章标签： PP-YOLO
于 2022-03-31 18:46:04 首次发布
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.csdn.net/hymn1993/article/details/123875515
版权
YOLO 同时被 3 个专栏收录
30 篇文章 91 订阅 ¥9.90 ¥99.00
订阅专栏 超级会员免费看
视觉
40 篇文章 5 订阅
订阅专栏
论文阅读
26 篇文章 8 订阅
订阅专栏
PP-YOLO是基于YOLOv3的优化实现，旨在在保持推理速度几乎不变的同时尽可能提高检测精度。通过结合多种技巧，如ResNet50-vd-dcn作为backbone，MixUp数据增强，以及一系列不影响FLOPs和参数数量的改进，PP-YOLO在准确率（45.2% mAP）和效率（72.9 FPS）之间达到良好平衡，超越EfficientDet和YOLOv4。
摘要由CSDN通过智能技术生成

本文下载的论文是 arXiv:2007.12099v3 [cs.CV] 3 Aug 2020

PP-YOLO主要是在 YOLOv3的基础上进行的各种优化。

PP-YOLO: An Effective and Effificient Implementation of Object Detector

百度

摘要

Due to limitation of hardware, it is often necessary to sacrififice(牺牲) accuracy to ensure the infer speed of the detector in practice. Therefore, the balance between effectiveness(前文中的accuracy ) and effificiency of object detector must be considered.

了解本专栏 订阅专栏 解锁全文 超级会员免费看
理心炼丹
关注
专栏目录
订阅专栏
【超越YOLOv4】百度自研超高效目标检测器——PP-YOLO
梁瑛平的博客
07-24 8217
【超越YOLOv4】百度自研超高效目标检测器——PP-YOLO前言：简介：网络结构：Backbone：Detection Neck：Detection Head：优化技巧：Larger Batch Size：EMA：DropBlock：IoU Loss：IoU Aware：Grid Sensitive：Matrix NMS：CoordConv：SPP：实验结果： 前言： 之前，YOLO系列(v1-v3)作者 Joe Redmon 宣布不再继续CV方向的研究，引起学术圈一篇哗然。YOLO之父宣布退出CV界，
机器学习笔记 - YOLO家族简介
学以致用 知行合一
04-09 4650
目标检测是计算机视觉中最重要的课题之一。大多数计算机视觉问题都涉及检测视觉对象类别，如行人、汽车、公共汽车、人脸等。这一领域不仅限于学术界，而且在视频监控、医疗保健、车载传感和自动驾驶。 许多用例，尤其是自动驾驶，需要高精度和实时推理速度。因此，选择适合速度和准确性要求的物体检测器变得至关重要。YOLO（You Only Look Once）是一种单级目标检测器，用于实现两个目标（即速度和准确性）。而今天，我们将通过涵盖所有 YOLO 变体（例如，YOLOv1、YOLOv2、......
目标检测——PP-PicoDet算法解读
最新发布
lishanlu136的博客
03-19 3070
百度移动端检测算法PP-PicoDet算法解读
【PP-YOLO】
m0_62571112的博客
06-22 1173
PPYOLO：不容错过的目标检测调参Tricks1. 摘要目标检测是计算机视觉一个重要的领域。
PP-YOLO
qq_51143009的博客
05-06 567
1 数据增强： Image Mixup:将两张图片混合为一张 AutoAugement:利用预先定义好的图像增强的方法值，会自动的根据方法值选择合适的增强方法，完成图像混合的任务 Image Mosaic:图像镶嵌，（PP-YOLO暂时没用到，但用在了YOLOv4里），图像镶嵌取四张图片，以井字格形式把他们镶嵌成一张，实现数据增强。 还有很多数据增强的方法。 （标红的是PP-YOLO用到的了） ...
PP-YOLO详解：当前工业界的最佳视觉识别算法之一「CV」「AI工程落地」
九三智能控
11-18 6825
关注：决策智能与机器学习，深耕AI脱水干货作者：GitHubDaily 来源：GitHub转载请联系作者编者按：PP-YOLO，实现铁路等场景自动化巡检的智能视觉识别系统核心技术。该技...
目标检测YOLO实战应用案例100讲-自动驾驶场景下的三维目标检测技术研究
qq_36130719的博客
05-17 980
目前在机器视觉、智能算法、数据分析等多项应用场景中，深度学习取得了一系列振奋人心的成果，而卷积神经网络是其中一项尤为关键的技术[27]。卷积神经网络在特征获取和分类判别上具有较好的应用效果。本章首先介绍卷积神经网络的各项组成部分，然后对YOLO算法原理进行介绍，最后对深度学习中不可或缺的数据集进行介绍。
【YOLOv7/v5系列算法改进NO.45】首发最新特征融合技术RepGFPN（DAMO-YOLO）
m0_70388905的博客
12-10 7148
涨点明显！首发最新特征融合技术RepGFPN（DAMO-YOLO）
【目标检测】|PPYOLO
qq_35608277的博客
06-13 2535
PP-YOLO: An Effective and Effificient Implementation of Object Detector PP-YOLO是PaddleDetection优化和改进的YOLOv3的模型，其精度(COCO数据集mAP)和推理速度均优于YOLOv4模型，PP-YOLO在COCO test-dev2017数据集上精度达到45.9%，在单卡V100上FP32推理速度为72.9 FPS, V100上开启TensorRT下FP16推理速度为155.6 FPS。没有探索不同的主干网络和
PP-YOLO: 基于YOLOv3改进，超过YOLOv4，速度与精度齐飞的目标检测器
AI数据工厂
05-17 3287
百度出品，基于YOLO3，使用各种tricks进行改进，得到了超越YOLO4的分类器。
PP-YOLO贡献
地推
10-17 142
PP-YOLO的论文读起来很像YOLOv4论文，因为它是计算机视觉中已知的技术的汇总。新颖的贡献是证明这些技术的集成可提高性能，并提供消融研究，以研究每一步对模型的帮助程度。 在我们深入研究PP-YOLO的贡献之前，先回顾一下YOLO检测器的体系结构。 ...
今晚直播 | YOLOv3这么简单？PP-YOLO模型主要作者带你指点迷津
百度大脑
09-24 710
要学目标检测，就不能绕开“YOLO”这个槛！YOLO目标检测的可应用场景超级多，毕竟号称快到没朋友啊，实力也不可小觑！举两个简单的例子，网络电视广告的精准检测需要它。在篮球直播比赛中，运...
【动手学Paddle2.0系列】低配版PP-YOLO实战（一种改进的YOLOV3算法）
lxm12914045的博客
05-12 1397
低配版PP-YOLO实战 目录 1、数据处理与读取 2、目标检测模型PP-YOLO 3、总结 第一部分：数据处理与读取 一、数据处理 林业病虫害数据集和数据预处理方法介绍 在本课程中，将使用百度与林业大学合作开发的林业病虫害防治项目中用到昆虫数据集。 读取AI识虫数据集标注信息 AI识虫数据集结构如下： 提供了2183张图片，其中训练集1693张，验证集245，测试集245张。 包含7种昆虫，分别是Boerner、Leconte、Linnaeus、acuminatus、armandi、coleoptera
yolov4源码_百度的PP-YOLO发布了！性能超越YOLOv4
weixin_39615257的博客
11-22 218
paper链接：https://arxiv.org/abs/2007.12099源码链接：https://github.com/PaddlePaddle/PaddleDetection上图所示为PP-YOLO的主要结构，不同于YOLOv4，PP-YOLO没有大规模的去搜索对比backbone、fpn、数据增强trick等等，NAS也没有用上。PP-YOLO的主干网络仅仅使用了ResNet，数据增强...
人工智能前沿技术：超越YOLOv4！PP-YOLO：更快更好的目标检测网络
人工智能讲师分享前沿技术
07-28 529
前言 Tricks大法好！PP-YOLO可达45.2% mAP，速度高达72.9 FPS！FPS和mAP均超越YOLOv4，FPS也远超过EfficientDet！ Amusi 认为YOLO系列让大家钟情的原因之一并不是超高的mAP指标，而且其又快又好的效果，其让 mAP 和 FPS达到很好的权衡。记得18年YOLOv3一出，这幅图风靡一时： 吐槽一句，17年入坑检测的时候，那时候很多人默认one-stage的优势之一是速度，特别是YOLO和SSD为首的实时检测器（>...
YOLOE，2022年新版YOLO解读
chenxiangrong的博客
03-31 9763
前言： 这是2022年第一个关于YOLO的改版，该版本由百度提出，称之为YOLOE，是目前各项指标sota的工业目标探测器，具有高性能且部署相对友好。 该检测器的设计机制包括： Anchor free无锚盒机制 可扩展的backbone和neck，由CSPRepResStage构成 头部机制ET-head 动态标签分配算法Task Alignment Learning（TAL） 该团队提供了s/m/l/x模型，YOLOE-l在COCO-Test中mAP达到51.1，在V100上可达71.1FPS，相对于Y
PP-yolo环境搭建及问题
sinat_39307513的博客
07-13 1225
一、环境搭建 二、问题 1、PP-yolo进行视频检测问题 （1）使用下面命令生成（导出）检测模型： python tools/export_model.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml -o weights=weights/ppyolo/ppyolov2_r50vd_dcn_365e_coco.pdparams 出现以下问题： usage: infer.py [-h] [-c CONFIG] [-o [O.
（三十三）论文阅读 | 目标检测之PP-YOLO
Skies_的博客
08-16 960
2020 | 目标检测之PP-YOLO
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

打赏作者

理心炼丹

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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