panghuzhenbang的博客

yolo v5论文：没有下表是官网贴出的关于不同大小模型以及输入尺度对应的mAP、推理速度、参数数量以及理论计算量下图为yolov5s的网络结构，它是yolov5系列中深度最小、特征图宽度最小的网络：：由Conv+BN+Leaky_relu激活函数组成；...

需要注意的是在SAT的反向传播的过程中，是不需要改变网络权值的。CBN：每次iteration中的BN数据是其之前n次数据和当前数据的和（对非当前batch统计的数据进行了补偿再参与计算），用该累加值对当前的batch进行Normalization，好处在于每个batch可以设置较小的size；使用k={1×1,5×5,9×9,13×13}的最大池化的方式，再将不同尺度的特征图进行Concat操作，采用SPP模块的方式，比单纯的使用k×k最大池化的方式，极大地增加感受野，显著的分离了最重要的上下文特征；

yolov3论文作者比较幽默，论文整体内容中创新点和技术分布较为零散，有兴趣的可以去看看原论文；yolov3是对于v1、v2的一种改进，相对v2主要的改进有：调整了网络结构；利用多尺度特征进行对象检测；对象分类用Logistic取代了softmax；在保持速度优势的前提下，提升了预测精度，尤其是加强了对小物体的识别能力。YOLO v3的整体结构如下图所示：主要亮点在于用3个尺度的特征图来进行对象检测，对检测小物体的效果有所提升。即在识别图片中各类目标的基础上，还需定位出识别对象的位置，并框出。...

论文地址：《YOLO9000：Better，Faster，Stronger》在这篇论文中，作者首先在YOLOv1的基础上提出了改进的YOLOv2，然后提出了一种检测与分类联合训练方法，使用这种联合训练方法在COCO检测数据集和ImageNet分类数据集上训练出了YOLO9000模型，其可以检测超过9000多类物体；所以，这篇文章其实包含两个模型：YOLOv2和YOLO9000，不过后者是在前者基础上提出的，两者模型主体结构是一致的；YOLOv2相比YOLOv1做了很多方面的改进，这也使得YOLOv2的mAP

论文地址：《You Only Look Once: Unified, Real-Time Object Detection》官方代码地址：GitHub链接地址 目标检测是一件比较实际的且具有挑战性的计算机视觉任务，其可以看成图像分类与定位的结合，给定一张图片，目标检测系统要能够识别出图片的目标并给出其位置，由于图片中目标数是不定的，且要给出目标的精确位置，目标检测相比分类任务更复杂。对于一张图片有多个目标的目标检测任务主要有以下难点：(1). deformable parts models (DPM)利用滑

目标检测的预测框回归损失函数由Classificition Loss和Bounding Box Regeression Loss两部分构成，本文介绍Bounding Box Regeression Loss。L1 loss也称为平均绝对误差，即真实值和预测值差值的绝对值：设y-f(x)为横轴，MAE值为纵轴，函数图像如下：由图可知，L1损失函数对y-f(x)的导数为常数，在训练后期，即y与f(x)接近时，也即y-f(x)很小时，假设learning rate不变，损失函数会在稳定值附近波动，由于梯度的稳定，

论文地址《Feature Pyramid Networks for Object Detection》深度神经网络学习到的特征中，浅层特征学到的是物理信息，比如物体的角点、边缘的细节信息，而深层特征学到的是语义信息，更加高维与抽象；目标检测包括分类和定位任务，对于分类任务来说，深层网络学到的特征可能更为重要，而对于定位任务来说，深层次和浅层次的特征同样重要；之前的目标检测算法，多数只采用深层特征来做预测，所含的细节信息比较粗略，即使采用了特征融合的方法，也一般是采用融合后的特征进行预测的；卷积网络可以得到不

论文地址《Faster R-CNN Towards Real-Time Object》Faster RCNN将特征提取(feature extraction)，proposal提取，bounding box regression(Region Refine)，classification都整合在了一个网络中，使得检测性能较RCNN、Fast RCNN进一步提高。如上图所示： Conv layers：Faster RCNN首先使用一组基础的conv+relu+pooling操作提取输入image的featur

论文地址：《Fast R-CNN》重复操作：R-CNN中用CNN对每一个候选区域反复提取特征，而一张图片的2000个候选区域之间有大量重叠部分，这一设定造成特征提取操作浪费大量计算；步骤繁琐：R-CNN的训练先要fine tuning一个预训练的网络，然后针对每个类别都训练一个SVM分类器，最后还要用regressors对bounding-box进行回归，另外region proposals也要单独用selective search的方式获得；时间和内存消耗较大：R-CNN中目标分类与候选框的回归是独立的两

论文地址：《Rich feature hierarchies for accurate object detection and semantic segmentation》RCNN(Region CNN)是将CNN引入目标检测领域的开山之作，在当时取得了一些好的效果。 1. 候选区域生成：输入一张图像；使用Selective Search方法提取大约2k个候选区域；对每个候选区域的图像进行拉伸形变，使之成为固定大小的正方形图像；Selective Search算法流程使用一种过分割手段，将图像分割成小区域