- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 yolov2
yolov2吸收了行业的技术，尝试筛选了有效的部分，并有自己的独到方法，最终实现了更好更快的检测效果。消融实验如下：bnhigh res classifer：分类224到448衔接训练后，再做448检测anchor，lossdimension prior：kmeannew net：darknet 减少33%参数，更快location：引入rpn并改良，归一化offset学习passthrough：类似short cut，浅层特征直传；对于检测网络 空间信息是非常宝贵的，因此直传是必须的；这
2021-05-14 00:37:06
313
原创 2021-05-13
模型修改嘞：https://blog.csdn.net/weixin_42118374/article/details/103761795；另：模型的巧用：https://zhuanlan.zhihu.com/p/64959500目前先推荐
2021-05-13 12:22:52
158
原创 再看yolo系列
yolov1历史意义：开创了one stage新纪元，特点是非常快，这使得深度学习目标检测不再仅是停留在学术界，而是走向工业应用变现。因此尽管yolov1有很多缺点，仍然是具有跨越意义的开山之作。创新：去掉了region proposal，用整个图像上回归位置，真正做到了端到端。原理：入口77，drop，没有ancker，fc，类别损失直接减，缺点：77网格cell，检测密度不足；每个cell尽管有B=2个边框，但是仅输出一个目标，对重复目标检测天然不足；没有bn；fc自适应尺寸；损失函数粗暴；小物
2021-05-12 23:59:26
152
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人