YOLO(you only look once),
一种目标检测模型。
问题:
1.YOLO程序背后的原理是什么?
具体的,重点放在模型各个模块的组合,代价函数上;
要求:能够读懂YOLO的基于tensorflow的python源码
notes:CNN的实现细节不要考虑;
2.YOLO发展过程中的创新点都是如何做的?
具体的,顺着前人的创新点,提出一些可能的创新思路。
要求:实验验证自己的创新点。
补:目标检测基础
1.目标检测的两个子任务:搜索图像中某一块存在目标; 识别目标的类型
2.目标检测指标:参考
https://www.cnblogs.com/eilearn/p/9071440.html
https://blog.csdn.net/qq_35451572/article/details/80272968
- 最重要的参数:mAP .
- AP:P-R曲线下的面积。面积越大,分类器性能越好。
- mAP:不同类别AP的平均值1.
1 yolo原理
(一)YOLO_v1 论文阅读笔记
创新点:以前目标检测利用分类器,本文将目标检测看作回归问题。
优点:
- 速度快
- 对