- 博客(3)
- 资源 (1)
- 收藏
- 关注
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