Single-stage目标检测网络YOLO相关背景知识

本文介绍了目标检测的两大流派,包括两步走的RCNN系列和一步走的YOLO算法。YOLO因其实时性在图像识别中得到广泛应用。YOLO通过每个网格单元预测固定数量的边界框及其类别概率,实现高效检测。
摘要由CSDN通过智能技术生成

YOLO相关背景知识[1]

论文链接:http://arxiv.org/pdf/1506.02640
  • 两大流派
    目前,基于深度学习算法的一系列目标检测算法大致分为两大流派:
    1.两步走(two-stage)算法:先产生候选区域然后再进行CNN分类(RCNN系列),
    2.一步走(one-stage)算法:直接对输入图像应用算法并输出类别和相应的定位(YOLO系列)

    之前的R-CNN系列虽然准确率比较高,但是即使是发展到Faster R-CNN,检测一张图片如下图所示也要7fps(原文为5fps),为了使得检测的工作能够用到实时中,提出了YOLO[2]。
    下面是相关方法展示图。
    在这里插入图片描述

    • YOLO检测思想
      如下图所示
      在这里插入图片描述
      在这里插入图片描述
      一个单元格生成两个针对该潜在物体的方框信息,这两个方框要以该单元格为中心,对于每个单元格,生成4个值得位置信息和一个该方框包含该物体的置信概率值;除此之外,还生成类别个数(论文中数据集
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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