机器视觉笔记
文章平均质量分 87
通过机器视觉中各种算法模型练习,达到图像分类、目标检测、语义分割等各项功能。对学习过程中的知识进行归纳、记录、思考。
GavinChan5200
机电出身,高级电气工程师,现学习AI。
展开
-
机器视觉笔记6——Darknet53代码解析
Darknet53源代码解析原创 2024-03-21 15:41:49 · 788 阅读 · 0 评论 -
机器视觉笔记5——前向传播函数
前向传播(Forward Propagation)官方来说,是神经网络中的一种计算过程,用于将输入数据经过各层网络的权重和激活函数进行计算,最终得到网络的输出结果。在训练过程中,前向传播是从输入数据开始,通过网络的各层逐步计算到输出结果的过程。原创 2024-02-29 18:58:22 · 1268 阅读 · 0 评论 -
机器视觉笔记4——DarkNet53模型详细解析
DarkNet53深度卷积神经网络由卷积层、池化层和残差块组成,设计灵感来源于ResNet和初代DarkNet网络,包括53个卷积层和5个池化层组成。原创 2024-02-25 14:24:58 · 4982 阅读 · 0 评论 -
机器视觉笔记3——卷积残差及代码实现
YOLOv3的改进,是在YOLOv1、v2基础上引入了残差连接(Residual Connections)作为其主干网络即backboneDarknet-53(53层的深度卷积神经网络,包含多个残差模块)。原创 2024-02-24 13:03:53 · 2293 阅读 · 0 评论 -
机器视觉笔记2——交并比IoU及代码实现
在目标检测领域,交并比(IoU,全称Intersection of Union)是目标检测和和分割任务中一个重要的衡量标准,根据名字很容易知道IoU即为两个边界框(或者是两个分割掩模)的交集区域的面积和两个边界框(或者是两个分割掩模)的并集区域的面积之比。原创 2024-02-22 19:13:55 · 1951 阅读 · 0 评论 -
机器视觉笔记1——XML标记语言生成与读取
XML通过使用标签(tag)来表示数据的结构和含义,并使用属性(attribute)来提供关于数据的额外信息。原创 2024-02-20 09:38:00 · 459 阅读 · 0 评论