谁能给我解释一下加入ca以后召回率下降的问题

最新推荐文章于 2024-10-10 00:03:54 发布
最新推荐文章于 2024-10-10 00:03:54 发布
阅读量105 收藏
点赞数
文章标签： YOLO
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/ll_nianqing/article/details/130435866
版权

b839d67eda0542979636d2bf15e1e1f2.png

下图是别人论文的位置

3b622800269648f891c52a2306ae1412.png 

下图是我之前训练的召回率没有加ca 519e08d4b88a4c30bf5bc27101c458fb.png

 下面是加入ca以后的召回率可以看出是惨不忍睹。479876ee471046b79753dbae276b85d2.png

 

 有大神可以给我交流一下吗？backbone骨干层的知识分享也可以

请叫我lõnglóng
关注
基于改进YOLOv5的安全帽检测算法 | 引入Ghost卷积 + 添加CA注意力机制 + 更换Neck网络之BiFPN + 更换损失函数之WIoU
突然好想你
06-25 1087
为了解决建筑工地、隧道、煤矿等施工场景中现有安全帽检测算法对于小目标、密集目标以及复杂环境下的检测精度低的问题，设计实现了一种基于YOLOv5的改进目标检测算法，记为YOLOv5-GBCW。🌈
Thinkpad常见问题大全（转载联想工程师博客）
xfxf996的博客
07-18 1万+
想要收藏本篇文章请下载Word版 Q：我想升级成VISTA，想问一下，升级之后一键恢复是恢复到XP还是VISTA?A：如果从隐含分区恢复出厂设置，那当然是恢复到出厂时预装的系统；如果是用R&amp
论文｜从DSSM语义匹配到Google的双塔深度模型召回和广告场景中的双塔模型思考
Thinkgamer博客
08-12 1537
基于深度学习的召回近些年已经得到了长足的发展，其中双塔模型更是作为经典的深度学习召回模型被各大公司应用，回顾双塔模型的发展可以追溯到2003年微软发布的DSSM模型，本篇文章将会从DSSM开始介绍几篇论文，看一下DSSM模型是怎么发展成为双塔模型并应用在推荐系统中做召回的。 DSSM DSSM模型是2013年微软发布的，其论文全称为：Learning Deep Structured Semantic Models for Web Search using Clickthrough Dara（https://
BEBLID：增强的高效局部图像特征描述符
3D视觉工坊
08-12 3201
(本文转载自：当SLAM遇见小王同学)在前不久发布的OpenCV4.5中更新了很多新特性：从4.5版本开始，OpenCV将正式使用Apache2协议，从而避免专利算法带来的潜在纠纷SIFT...
[论文总结] 智慧农业论文摘要阅读概览
You and Me
09-13 1万+
1. Design of a winter-jujube grading robot based on machine vision（Computers and Electronics in Agriculture） 摘要：Winter-jujube(冬枣)在中国是一种新鲜的水果。 收获后,winter-jujubes需要年级分成不同的类别根据其成熟度级别。 成熟winter-jujube可以认可他们的红色。 在这项研究中,一个winter-jujube分级机器人设计。 此外,一个方法结合YOLOv3算法和
BELID：增强的高效的局部图像描述符
3D视觉工坊
02-23 1930
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达编辑丨当SLAM遇见小王同学声明: 本文只是个人学习记录，侵权可删。论文版权与著作权等全归原作者所有，小王自觉遵守《中华人民共和国著作...
大数据Spark与机器学习笔记V0.1（持续更新）
欢迎！欢迎来到17号城市！
08-26 3127
文章目录`Spark`SparkCore核心组件`Driver/Master``Worker``Executor``数据模型RDD`创建RDDRDD编程模型`Transformation``Action`key-valueRDD缓存RDD高级特性共享变量Shared variables累加器Accumulators`分区Partitions`数值RDD操作RDD依赖容错RDD问题SparkSQLDataFrames创建DataFrameDataFrame操作TransformationsActionsDat
汽车自动驾驶产业链深度研究报告：自动驾驶驶向何方
喜欢打酱油的老鸟
01-29 2万+
（报告出品方/作者：国金证券，翟炜） 报告综述 产业链与市场空间：当前我国自动驾驶正处于 L2 向 L3 级别转化的阶段，预 计 2025 年 L2.5 级别自动驾驶车辆渗透率为 50%，2030 年 L2.5 和 L4 级别 自动驾驶汽车渗透率分别将达 70%和 18%。从产业链上看，仅上游（感知层、传输层、决策层、执行层）和中游平台层，到 2025 年新增市场空间达 3088 亿元，2030 年可达 7020 亿元，10 年复合增速为 27%。 发展路径与核心参与方：技术路径上看，欧美等国鉴于其道
从DSSM语义匹配到Google的双塔深度模型召回和广告场景中的双塔模型思考
hellozhxy的博客
08-05 1343
▼ 相关推荐 ▼ 1、基于DNN的推荐算法介绍 2、传统机器学习和前沿深度学习推荐模型演化关系 3、论文｜AGREE-基于注意力机制的群组推荐（附代码） 4、论文｜被“玩烂”了的协同过滤加上神经网络怎么搞？ 本文包含（文章较长，建议先收藏再阅读，点击文末的阅读原文，查看更多推荐相关文章）： DSSM DSSM的变种 MV-DNN Google Two Tower Model 广告场景中的DSSM双塔模型 总结 基于深度学习的..
【AI透明度革命】：揭秘神经网络模型可解释性提升秘籍
[神经网络模型的可解释性](https://img-blog.csdnimg.cn/5b5cf26a534447648b6839d2cd910ca4.png) # 1. AI透明度革命的背景和意义 在人工智能(AI)技术迅猛发展的今天，"透明度"和"可解释性"成为了AI领域最热门的议题...
零拍目标检测的原则性方法与背景感知，基于视觉语义嵌入解决零镜头对象检测问题
零拍目标检测Ankan Bansal* 1、Karan Sikka2、Gaurav Sharma3、Rama Chellappa1和Ajay Divakaran21马里兰大学学院公园分校2SRI International，Princeton，NJ3NEC Labs America，Cupertino，CA抽象。我们介绍并解决...
2024年最全实战案例！Python+SQL京东用户行为分析(1)，2024年最新我了解到的面试的一些小内幕
2401_84544914的博客
05-05 371
外链图片转存中…(img-doZ74Wkm-1714918293839)][外链图片转存中…(img-rwwCkT52-1714918293840)][外链图片转存中…(img-kmstJEHn-1714918293841)][外链图片转存中…(img-MnEpMu4j-1714918293842)][外链图片转存中…(img-t1zk6PbR-1714918293842)][外链图片转存中…(img-jzumI8Xk-1714918293843)]
YOLOv5改进系列（0）——重要性能指标、训练结果评价及分析、影响mAP指标的因素、优化mAP的方法
热门推荐
路人贾的博客
05-08 3万+
训练结果如何看？如何提高mAP?看看这篇就全部搞懂啦！超级详细，小白也能看懂！
YOLO11 改进 | 注意力机制 | 处理原始SE通道信息丢失问题的ESE【全文干货】
kay_545
10-09 730
yolo11，yolo11改进，
毒蘑菇检测数据集 9200张 14类毒蘑菇 带标注 voc yolo
阿利同学的博客
10-07 1262
毒蘑菇检测数据集 9200张 14类毒蘑菇 带标注 voc yolo
夜间道路目标检测数据集 5000张 夜间道路 带标voc yolo
阿利同学的博客
10-03 418
夜间道路目标检测数据集 5000张 夜间道路 带标voc yolo
雨天道路目标检测数据集（黑夜和白天） 3600张 雨天 带标注 voc yolo 7类
阿利同学的博客
10-09 640
雨天道路目标检测数据集（黑夜和白天） 3600张 雨天 带标注 voc yolo 7类
计算机视觉之OpenCV vs YOLO
最新发布
乐学吧
10-10 1330
OpenCV 和 YOLO 在计算机视觉领域各有特点和优势。OpenCV 是一个功能强大的计算机视觉库，提供了广泛的算法和工具；而 YOLO 是一种高效的目标检测算法，适用于特定的应用场景。在实际应用中，可以根据具体需求选择合适的工具和算法。
给我介绍一下CA注意力机制
03-31
CA注意力机制是一种基于卷积神经网络的注意力机制，它可以用于语言建模、图像分类、机器翻译等任务中。CA注意力机制的核心思想是通过卷积操作来生成一个特征图，然后利用该特征图来计算每个位置的注意力权重，进而...
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