澎湃de家夥的博客

相比于YOLOv2，YOLOv3主要做了如下改进：1、提出了新的特征提取器模型Darknet53，该模型相比于Darknet19采用了残差单元（类似ResNet），因此网络模型可以更深；2、采用FPN（feature pyramid networks）结构来实现多尺度预测；3、分类器的改变，使用多个多个 logistic分类器替代原始的Softmax分类器。 1、Darknet53 Da...

YOLOv2 YOLOv2相对于V1的改进主要有两方面：1、使用一系列策略对YOLOv1的网络结构进行了修改，在保证检测速度的同时提升了模型的检测准确率；2、提出了一种联合训练策略，使用ImageNet与COCO联合训练得到YOLO9000模型，可以实现9000类物体的目标检测。本文将从这两个改进策略对YOL...

YOLOV1 因一些需要，对经典的检测模型YOLOV1进行了学习，以下是自己对YOLOV1的一些见解，如有错误，还请大佬指正。 对于目标检测任务，江湖上主要有两大流派：1.two stage策略（即proposal+classifier的方法），经典模型有rcnn、fast-rcnn、fa...