论文(3) YOLO9000_ Better, Faster, Stronger

最新推荐文章于 2024-01-07 16:01:02 发布

入秋微凉的海

最新推荐文章于 2024-01-07 16:01:02 发布

阅读量124

点赞数

文章标签：深度学习 pytorch 神经网络

本文链接：https://blog.csdn.net/qq_39204044/article/details/120568665

版权

yolo-v2
YOLO9000_ Better, Faster, Stronger

一. 几点改进。

1.Batch normalization

把神经元的输出减去均值除以标准差，将神经元的输出集中到0附近。帮助正则化模型，防止过拟合。对每一个神经元的输出进行标准化而不是每一层。
$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CAQRD1VP-1632989892570)(C:\Users\15805\AppData\Roaming\Typora\typora-user-images\1632972119521.png)]$

2.Anchor

Dimension Clusters
Direct location prediction
每个grid cell产生五个Anchor

3.Dimension Clusters -数据集标注框长宽聚类

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yxGTdTuK-1632989892582)(C:\Users\15805\AppData\Roaming\Typora\typora-user-images\1632972203981.png)]$

4.Fine-Grained Features 细粒度特征

YOLOv2引入一种称为passthrough层的方法在特征图中保留一些细节信息，如图所示：将最后一个Pooling层之前的高分辨率特征图（26✖26✖512）通过passthrough layer拆分成（4✖13✖13✖512），并与低分辨率特征图（13✖13✖1024）进行融合，得到13✖13✖3072大小的特征图