自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(2)
  • 收藏
  • 关注

原创 YOLO(二)

这个7*7代表的是输出的结果,30表示的是每一个格子代表的值。这个确定的点的位置是由30里面前10个位置确定的5+5表示的是X1Y1W1H1C1,X2Y2W2H2C2表示的就是经由损失值函数计算过后的最有可能的两个矩形来确定的点。是最经典的one-stage模型,就是找到x,y,w,h四个坐标,所以一个CNN网络就可以解决了。缺点很明显,如果框内是两个很近的不同的物品无法检测,如果是同一个物品的不同品种无法检测,有这样的整体架构,在其中呢,只能输入448*448*3然后经过卷积网络形成7*7*30。

2024-01-07 20:33:19 308

原创 YOLOv5学习

理解TP,FP,FN,TN。把握住先判断T还是F,P理解为positive(是个褒义词,那肯定是对的框,人工标注的框)加上T那肯定是框是对的并且YOLO也检验成对的,所以TP为检验成功,所以FP就是检验失败。相对来说,negative就是消极的(贬义词,不是物品,可以理解为背景墙),所以TN代表的就是检验对了背景,FN就是检验成了背景,就是把物品检验成了背景。精确率就是检验到的东西验证正确,召回率就是看是否把检验的东西都检验到了(看背景墙里面有物品没)然后,就引出了map值的概念,

2024-01-07 19:43:31 417

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除