没事简单读了下YoloV3的论文,跑了下模型。

今天我们来简单讲讲当前准确度比较高的网络当中速度最快的网络YoloV3,要知道当年Yolo出世的时候可是震惊四座,以短平快著称,就是精确性差了点,这次我们从论文简单分析下他的升级版本YoloV3。

先看看论文:

 

首先,是YoloV3的性能对比;

按作者的说法(我没有做过验证实验),YoloV3和SSD具有相同的精确度,但是速度要整整比SSD快了三倍,如果大家都用TitanX显卡来作为评价标准的话(10000元的东西直接当计量单位,果然是烧钱学习啊),那么YoloV3可以达到20帧,快起来50帧都可以做超清了,基本人眼直接看一点问题没有了,但是同期说自己贼快的RetinaNet同学(RPN系)的,顶多也就5帧,基本就没法达到视频流的要求啊。

对比的图么,基本就这样了:

然后的话,最终的输出结果是这四个参数,选中框中心的X,Y坐标以及当前框选的高度和宽度,然后损失函数是用的均方差这些参数之间的,最终通过逻辑回归的方式,返回中间目标检测的真实覆盖度作为得分,当框选中的区域得分大于0.5的阈值的时候,我们就认为这块区域是有物体的。

这张图之前看过Yolo论文的人都差不多知道了是什么意思了,这里就不做冗余介绍了。

 

然后这里整体还运用了anchors的方式来实现更好的框选,当然,最后会使用nms来进行筛选的,其中anchors的选择就是:(10×13),(16×30),(33×23),(30×61),(62×45),(59×119),(116 × 90),(156 × 198),(373 × 326).

其中为了能够在选择成功之后实现更加精确且短平快的识别,作者继续是用了darknet-53,相当中二的名字,就是这玩意儿实现进一步的分类,但是性能确实是比起resnet那种除了变深意外就什么都没有的resnet好多了。

 

当然在训练中为了更好的效果,作者还是利用了多尺度训练和批正则化的方式,好了接下来就是作者的一顿吹逼了(确实别人吹的起啊)。

没事拿华农兄弟跑了下,哈哈哈哈,好吧。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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