【4】目标检测之YOLO v1

已于 2022-04-20 11:54:00 修改
阅读量2.1k 收藏
点赞数
分类专栏： 深度学习 目标检测 文章标签： 深度学习
于 2022-04-20 10:30:05 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_16009377/article/details/124290765
版权

这里写目录标题

论文思想

将一幅图分成S*S个网格（grid cell），如果某个object的中心落在网格中心，则这个网格就负责预测这个object，每个网格要预测B个bounding box，每个bounding box的预测包括位置信息(x,y,w,h)和confidence值，每个网格还要预测C个类别的分数。
在这里插入图片描述

网络结构

在这里插入图片描述
在网络最后经过fc(1470)和reshape，最终得到了7730的tensor，这是因为在设计网络时，令S=7,B=2,C=20,即SS(B*(1+4)+C)，得到了最终的预测结果。
在这里插入图片描述

损失函数

损失函数由bounding box损失，confidence损失，classes损失组成
在这里插入图片描述

知识点

缺点

  1. 群体小目标效果差
  2. 尺寸发生变化时效果差
  3. 定位不准确
mohoooooo
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【目标检测】YOLOV4详解
qq_38375203的博客
06-30 3917
前面讲完了V1、V2、V3，其中YOLOV4 和V3的网络区别就是多了CSP和PAN结构，以及一个SSP。贴一下网络结构图。 首先介绍一下网络结构中出现的各种组件。CBM：是由Conv+BN+Mish激活函数组成，和V3不同的是这里的激活函数由Leaky_relu换成了Mish。CBL：这个组件就是YOLOV3中的最小组件，但是在这里V4 将CBL放在了Neck模块里，并没有放在Backbone。Res unit：借鉴Resnet网络中的残差结构，让网络可以构建的更深。CSPX：借鉴CSPNet网络结构，由
【目标检测】YOLOV1详解
qq_38375203的博客
06-24 8939
最近在公司实习，看到其实很多落地的模型都是基于yolo来改进的。在闲暇之余又重新温故了一下yolo系列，并想着将它们进行一个总结。今天就从V1下手，接下来的几个系列也会分别进行详解。相比起Faster R-CNN的两阶段算法，2015年诞生的YOLOv1创造性地使用端到端（end to end）结构完成了物体检测任务。直接预测物体的类别和位置，没有RPN网络，也没有Anchor的预选框，因此速度很快。 YOLOv1是YOLO系列的基准，虽然后面在工程上面大家都是直接使用YOLOV5的开源代码，但是还得需要直
目标检测算法YOLO V1论文阅读
weixin_46200189的博客
03-30 115
YOLO提出了一种新的单阶段检测算法，前人的工作都是通过分类器进行目标检测。相反，YOLO将目标检测框架视为空间分离的边界框和相关的类概率的回归问题。YOLO 架构计算速度非常快，基本的YOLO模型在Titan X GPU上以每秒45帧的速度实时处理图像。该网络的一个较小版本Fast YOLO，处理速度达到惊人的155帧/秒，同时实现了其他实时检测器的mAP的两倍。与最先进的检测系统相比，YOLO有更多的定位误差，但对于背景的假阳性预测，可以减少误识别。最后，YOLO可以学习物体的一般表示。
目标检测之YOLO v1
阿基美德的博客
08-21 283
YOLO v1 原论文：You only look once: Unified, real-time object detection one-stage目标检测的开山之作。 将检测任务表述成统一的、端到端的回归问题。 论文结构： 引文（介绍YOLO思想来源） YOLO架构 与现有目标检测系统对比 实验结论 YOLO的实时速度优势，源码链接 结论（YOLO在实时目标检测领域SOTA） 主体思想在第2节，本篇以第2节翻译。 2 Unified Detection 统一检测 ​ 我们将目标检测的各个模块统
深度学习目标检测之 YOLO v1
fenglepeng的博客
07-06 1139
YOLO v1 这是继RCNN，fast-RCNN和faster-RCNN之后，rbg（RossGirshick）针对DL目标检测速度问题提出的另外一种框架。YOLO V1其增强版本GPU中能跑45fps，简化版本155fps。 论文：http://arxiv.org/abs/1506.02640 代码：https://github.com/pjreddie/darknet 1. YOLO的核心思想 YOLO的核心思想就是利用整张图作为网络的输入，直接在输出层回归bounding box的位置和boun
目标检测 pytorch复现Yolo v1目标检测项目
05-17
Yolo v1是由Joseph Redmon等人在2015年提出的一种实时目标检测系统，其核心思想是将目标检测任务转化为一个回归问题，直接预测边界框坐标和类别概率，从而大大提高了检测速度。 首先，我们要理解Yolo v1的基本架构...
YOLO_v1目标检测算法深入理解
01-20
目录 一、YOLO算法的引入 二、算法的初步思考 二、简单的网络结构 三、数据集的处理 四、LOSS函数的形成 ...相互结合达到目标检测的目的，但是Faster R-CNN将候选区的选取融入到了Fast R-CNN神经网
yolo v1 目标检测算法的损失函数详尽代码注解
05-02
应该是目前为止互联网上能找到的关于yolo v1目标检测开源算法损失函数的最详尽的代码注释了吧！对于初学人工智能的朋友们应该有所帮助。
tensorflow（python）实现 YOLO v3目标检测算法
03-14
YOLO（You Only Look Once）是一种实时目标检测系统，它在计算机视觉领域有着广泛的应用。YOLO v3是YOLO系列的第三版，由Joseph Redmon、Ali Farhadi等人在2018年提出，它在YOLO v1和v2的基础上进行了改进，提升了...
最快的目标检测技术论文 yolo v1-v
10-14
首先，YOLO（You Only Look Once）由Joseph Redmon等人在2015年提出的YOLOv1引入，其创新之处在于它以单个神经网络同时预测边界框和类别概率，实现了实时目标检测。YOLOv1的关键概念是将图像划分为网格，每个网格...
深度学习的矩阵计算
weixin_45706801的博客
07-25 421
在NumPy中，切片（slicing）是一种选择数组元素子集的方法。切片操作基于索引，但允许你指定一个范围的索引，而不是单个索引。这对于处理多维数组（NumPy中的ndarray对象）特别有用。
零基础学习深度学习以及模块缝合总结
GDHBFTGGG的博客
07-25 720
零基础学习深度学习以及模块缝合总结
04 卷积神经网络
weixin_43490087的博客
07-24 729
介绍了卷积的相关概念，阐述了卷积神经网络的架构、原理及常见网络类型
GPU驱动、CUDA 、cuDNN 和CUDA Toolkit之间的关系（深度学习小白必懂）
weixin_44115575的博客
07-23 1369
GPU驱动、CUDA、cuDNN和CUDA Toolkit之间有着紧密的关系，它们共同构成了一个完整的GPU编程和深度学习开发环境。 在最初配置anaconda环境时一直搞不明白它们之间的关系。所以根据自己的理解，通俗详细解释它们各自的角色和相互间的关系，并且列举了一些在anaconda虚拟环境中的例子。 不对的地方希望大家指正。
遗传算法与深度学习实战——进化深度学习
盼小辉丶的博客
07-25 1977
进化深度学习 (Evolutionary Deep Learning, EDL) 是一套可以用于自动化深度学习系统开发的工具和实践，EDL 包括了广泛的进化计算方法和模式，可以应用于深度学习系统流程的各个方面。本节中，介绍了深度学习面临的挑战，以及进化深度学习在应对这些挑战方面的技术方法。
mpu6050陀螺仪使用方法开发教程文档.docx
07-30
mpu6050陀螺仪使用方法
【SCI顶级】龙格库塔算法RUN-CNN-LSTM-Multihead-Attention温度预测【含源码 5747期】.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-LSTM-Mutilhead-Attention回归预测系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-LSTM-Mutilhead-Attention回归预测 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.5 萤火虫算法FA/差分算法DE-CNN-LSTM-Mutilhead-Attention回归预测
大模型的数学之魂：统计学习理论精要
07-30
大型机器学习模型，通常简称为“大模型”，是指具有数十亿甚至数千亿参数的深度神经网络模型。这些模型因为其庞大的参数量和复杂的计算结构，能够处理非常复杂的任务和数据，展现出强大的表达能力和预测性能。大模型在自然语言处理、计算机视觉、语音识别和推荐系统等多个领域都有广泛的应用。 大模型的设计目的是通过训练海量数据来学习复杂的模式和特征，从而具备强大的泛化能力，能够对未见过的数据做出准确的预测。与参数较少、层数较浅的小模型相比，大模型虽然需要更多的计算资源和时间来训练和推理，但它们展现出了一种被称为“涌现能力”的特性，即从原始训练数据中自动学习并发现新的、更高层次的特征和模式。 大模型的发展历程可以分为几个阶段，从早期的卷积神经网络模型发展到以Transformer为代表的全新神经网络模型，再到当前以GPT为代表的预训练大模型阶段。Transformer架构因其自注意力机制而成为大模型的核心技术，它使得模型能够更好地理解和处理文本数据中的长距离依赖关系。 大模型的分类主要包括语言大模型（NLP）、视觉大模型（CV）和多模态大模型。语言大模型专注于处理文本数据和理解自然语言，而视觉大模型用
唯美淡雅四页.zip
最新发布
07-30
【简历模板】工作总结、商业计划书、述职报告、读书分享、家长会、主题班会、端午节、期末、夏至、中国风、卡通、小清新、岗位竞聘、公司介绍、读书分享、安全教育、文明礼仪、儿童故事、绘本、防溺水、夏季安全、科技风、商务、炫酷、企业培训、自我介绍、产品介绍、师德师风、班主任培训、神话故事、巴黎奥运会、世界献血者日、防范非法集资、3D快闪、毛玻璃、人工智能等等各种样式的ppt素材风格。 设计模板、图片素材、PPT模板、视频素材、办公文档、小报模板、表格模板、音效配乐、字体库。 广告设计：海报，易拉宝，展板，宣传单，宣传栏，画册，邀请函，优惠券，贺卡，文化墙，标语，制度，名片，舞台背景，广告牌，证书，明信片，菜单，折页，封面，节目单，门头，美陈，拱门，展架等。 电商设计：主图，直通车，详情页，PC端首页，移动端首页，钻展，优惠券，促销标签，店招，店铺公告等。 图片素材：PNG素材，背景素材，矢量素材，插画，元素，艺术字，UI设计等。 视频素材：AE模板，会声会影，PR模板，视频背景，实拍短片，音效配乐。 办公文档：工作汇报，毕业答辩，企业介绍，总结计划，教学课件，求职简历等PPT/WORD模板。
YOLO算法详解：实时目标检测的原理与应用
"该资源是一份关于目标检测中YOLO算法的PPT，重点讲解了YOLO算法的原理和网络结构。" YOLO（You Only Look Once）算法是一种高效的目标检测方法，由Joseph Redmon等人在2015年提出。它的核心思想是通过单次网络前传...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值