YOLO
文章平均质量分 76
异想天开的长颈鹿
这个作者很懒,什么都没留下…
展开
-
【翻译】YOLOX: Exceeding YOLO Series in 2021
在这份报告中,我们对YOLO系列进行了一些有经验的改进,形成了一个新的高性能检测器–YOLOX。我们将YOLO检测器转换为无锚方式,并进行其他先进的检测技术,即解耦头和领先的标签分配策略SimOTA,在大规模的模型范围内获得最先进的结果。对于只有0.91M参数和1.08G FLOPs的YOLONano,我们在COCO上得到25.3%的AP,超过NanoDet 1.8%的AP;对于YOLOv3,工业界最广泛使用的检测器之一,我们在COCO上将其AP提升到47.3%,比目前的最佳实践高出3.0% AP;翻译 2022-11-08 21:40:28 · 415 阅读 · 0 评论 -
YOLO系列结构图
YOLOv4结构图原创 2021-12-04 16:29:11 · 3765 阅读 · 0 评论 -
记录使用AlexeyAB大神darknet下的ap计算(Ubuntu)
记录使用AlexeyAB大神darknet下的ap计算(Ubuntu)使用reval_voc_py3.py计算AP值1、文件位置2、运行darknet中的detector valid指令,生成对测试集的检测结果。3、所使用的命令及参数使用reval_voc_py3.py计算AP值1、文件位置两处位置上有reval_voc_py3.py和voc_eval_py3.py(也有python版,分别是reval_voc.py和voc_eval.py)(1)、./darknet/scripts(所使用的)(原创 2021-05-15 15:06:43 · 369 阅读 · 0 评论 -
【翻译】【YOLOv3】YOLOv3: An Incremental Improvement
我们提出了对YOLO的一些更新!我们做了一些设计上的小改动,使它变得更好。我们还训练了这个新的网络,这个网络非常棒。它比上次大了一点,但更准确。不过不用担心,它仍然很快。在320×320320×320320×320的情况下,YOLOv3在28.2mAP的情况下运行22毫秒,与SSD一样准确,但速度快三倍。当我们看旧的.5 IOU mAP检测指标时,YOLOv3相当不错。翻译 2022-09-30 17:44:42 · 355 阅读 · 0 评论 -
【翻译】【YOLOv2】YOLO9000: Better, Faster, Stronger
我们介绍了YOLO9000,一个最先进的实时目标检测系统,可以检测超过9000个物体类别。首先,我们提出了对YOLO检测方法的各种改进,这些改进既是新的,也是来自先前的工作。改进后的模型,YOLOv2,在标准检测任务(如PASCAL VOC和COCO)上是最先进的。使用一种新的、多尺度的训练方法,同一个YOLOv2模型可以在不同的规模下运行,在速度和准确性之间提供了一个简单的权衡。在67FPS时,YOLOv2在VOC 2007上得到76.8mAP。翻译 2022-09-27 15:03:45 · 207 阅读 · 0 评论 -
【翻译】【YOLOv1】You Only Look Once: Unified, Real-Time Object Detection
我们提出了YOLO,一种检测目标的新方法。之前关于目标检测的工作重新利用分类器来进行检测。相反,我们把目标检测看作是一个回归问题,回归到空间上分离的边界框和相关的类别概率。一个单一的神经网络在一次评估中直接从完整的图像中预测边界框和类别概率。由于整个检测管道是一个单一的网络,它可以直接对检测性能进行端到端的优化。我们的统一架构是非常快的。我们的基本YOLO模型以每秒45帧的速度实时处理图像。翻译 2022-09-27 09:44:11 · 405 阅读 · 0 评论