YoloV3
qq_41198463
这个作者很懒,什么都没留下…
展开
-
YoloV3改进和优化
YoloV3 的改进和优化 本文主要是参考YoloV4 和 pp-Yolo 来谈一下自己的感受,如有不正确地方欢迎各位指正。 PP- YOLO:https://blog.csdn.net/weixin_44936889/article/details/107560168 1.数据增强 可以采用Mosaic的方法,Mosaic是将四张图片按照一定比例拼接成一张图片,这样可以使模型可以在更小的范围内识别对象,并且,大的Batch Size会使模型的训练效果更好,Mosaic增加了模型的Batch Size的大小原创 2020-10-08 14:45:43 · 4531 阅读 · 0 评论 -
YoloV3
YoloV3 Yolo V3 主要改进点(相对于YoloV2): 采用了新的残差结构,YoloV2中也引入了残差结构(reorg),与YoloV2不同,YoloV3主要采用的是类似于resnet中的残差机构,不同的是YoloV3去掉了最后一个1X1的卷积层,如下图: 2. YoloV3采用了多尺度训练的方法,共有三个输出,输出的feature map分别为13X13, 26X26, 52X52,分别用来检测大中小三种不同大小的物体,每个feature map都拥有三个不同尺度的anchors, (an原创 2020-10-07 10:38:20 · 108 阅读 · 0 评论