论文
文章平均质量分 72
行*云
爬坑之路 计算机幻觉、机器瞎学、人工智障
展开
-
全文翻译【YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors】
YOLOv7在5FPS到 160 FPS 范围内的速度和准确度都超过了所有已知的物体检测器,YOLOv7 在 5 FPS 到 160 FPS 范围内的速度和准确度都超过了所有已知的目标检测器,并且在 GPU V100 上 30 FPS 或更高的所有已知实时目标检测器中具有最高的准确度 56.8% AP。YOLOv7-E6 目标检测器(56 FPS V100,55.9% AP)比基于transformer-based的检测器 SWINL Cascade-Mask R-CNN(9.2 FPS A100,53.9原创 2022-07-07 16:11:08 · 1968 阅读 · 1 评论 -
YOLOV6训练自己的数据集
YOLOV6原创 2022-06-27 16:10:27 · 345 阅读 · 0 评论 -
YOLOv6:又快又准的目标检测框架开源
YOLOv6 是美团视觉智能部研发的一款目标检测框架,致力于工业应用。本框架同时专注于检测的精度和推理效率,在工业界常用的尺寸模型中:YOLOv6-nano 在 COCO 上精度可达 35.0% AP,在 T4 上推理速度可达 1242 FPS;YOLOv6-s 在 COCO 上精度可达 43.1% AP,在 T4 上推理速度可达 520 FPS。在部署方面,YOLOv6 支持 GPU(TensorRT)、CPU(OPENVINO)、ARM(MNN、TNN、NCNN)等不同平台的部署,极大地简化工程部署时的转载 2022-06-24 13:44:54 · 1890 阅读 · 4 评论 -
YOLOV4涉及的知识点总结
该图来自微信公众号:GiantPandaCV原创 2020-04-25 12:52:02 · 1022 阅读 · 0 评论 -
【全文翻译】YOLOv4:目标检测的最佳速度和准确性
摘要 有许多功能可以提高卷积神经网络(CNN)的准确性。需要在大型数据集上对这些特征的组合进行实际测试,并对结果进行理论证明。一些功能仅在某些模型上运行,并且仅在某些问题上运行,或者仅在小规模数据集上运行; 而某些功能(例如批归一化和残差连接)适用于大多数模型,任务和数据集。我们假设此类通用功能包括加权残差连接(WRC),跨阶段部分连接(CSP),跨小批量标准化(CmBN),自...原创 2020-04-24 16:42:07 · 7750 阅读 · 5 评论