![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标识别
文章平均质量分 90
K-RI
算法工程师
展开
-
YOLO3+残差网络+FPN详解
概述yolo3的论文写的跟个小作文一样,也不知道怎么过的审,里面实质性的东西并不多,做的实验一部分是引用Facebook AI Research的《Focal Loss for Dense Object Detection》,虽然最后没有用Focal Loss,但还是cite了人家一个大图;v3较v2提升明显的是对小物体的识别精度,但这也不是Joseph Redmon的原创,引用的还是Facebook AI Research的《Feature Pyramid Networks for Object Det原创 2021-01-26 20:54:53 · 7911 阅读 · 2 评论 -
YOLO系列——v2详解
YOLO系列–V2详解概述yolo从v2开始改动的就比较多了,在目标检测方向的表现也越来越强,精度可以与Faster-rcnn等two-stage的分割网络相提并论,同时又能满足实时识别的要求,在实际工程化中使用的很频繁,同时网络中使用的小trick也更多,所以除了工程化外,也提供了一些发顶会的小idea。下面还是先从网络结构出发,了解yolo2的主干,然后再推敲细节。一、主干网络v2的主干网络没有沿用v1的googlenet ,而采用了darknet-19。19层卷积和5层最大池化。在标准ima原创 2021-01-05 21:02:12 · 2521 阅读 · 1 评论 -
yolo系列——v1详解
yolo系列——v1详解概述yolo系列,持续更新yolo系列已经出到v5,在目标检测方向的表现越来越强。虽然v1较之后的版本,SSD等网络相对简单,但还是建议大家从头学起,打好一些基本功,以便于日后设计新的识别网络、发顶会或者工程化可以有清晰的思路。任何算法都需要自己理解并实现,简单的拿来主义并没有实质性的帮助。论文地址:https://arxiv.org/pdf/1506.02640.pdftf实现:https://github.com/gliese581gg/YOLO_tensorflow原创 2020-11-10 21:52:18 · 2974 阅读 · 1 评论 -
目标识别—SSD网络详解
SSD网络详解网上的SSD解析大部分都只讲解到了Priorbox部分,最后的分类和回归并没有详细的讲解,并且论文里关于算法的一些细节也没有交代清楚。本篇文章将详细的从vgg16部分讲解到最后的识别部分。帮助大家更好的理解ssd网络,更好地进行迁移学习,以及网络优化。论文地址:https://arxiv.org/abs/1512.02325Ssd-caffe github :https://github.com/weiliu89/caffe/tree/ssdSsd-pytorch github :原创 2020-07-31 20:35:23 · 4422 阅读 · 1 评论