![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
yolo
文章平均质量分 76
北京纯牛奶
做个知识点记录的工具而已,其他绕道!
展开
-
yolov4
yolov4 百度网盘ppt:https://pan.baidu.com/s/1lDHreC-iCR9jQ7WyDhx0qA?_at_=1624432312136 提取码:7c28 YOLO-v4算法是在原有YOLO目标检测架构的基础上,采用了近些年CNN领域中最优秀的优化策略,从数据处理、主干网络、网络训练、激活函数、损失函数等各个方面都有着不同程度的优化,没有理论上的创新。 ①论文主要有以下三点贡献: 1.开发了一个高效而强大的模型,使得任何人都可以使用一张1080Ti或者2080Ti GPU原创 2021-06-23 15:56:51 · 699 阅读 · 0 评论 -
Yolov3
YOLOv3没有太多的创新,主要是借鉴一些好的方案融合到YOLO里面。不过效果还是不错的,在保持速度优势的前提下,提升了预测精度,尤其是加强了对小物体的识别能力。 YOLO3主要的改进有:调整了网络结构;利用多尺度特征进行对象检测;对象分类用Logistic取代了softmax。 一、Yolov3网络架构 backbone:Darknet-53 backbone部分由Yolov2时期的Darknet-19进化至Darknet-53,加深了网络层数,引入了Resnet中的跨层加和操作。原文列举了Da原创 2021-06-23 11:46:01 · 221 阅读 · 0 评论 -
Yolov2
这篇文章接着介绍YOLOv2的原理以及实现,YOLOv2的论文全名为YOLO9000: Better, Faster, Stronger,它斩获了CVPR 2017 Best Paper Honorable Mention。在这篇文章中,作者首先在YOLOv1的基础上提出了改进的YOLOv2,然后提出了一种检测与分类联合训练方法,使用这种联合训练方法在COCO检测数据集和ImageNet分类数据集上训练出了YOLO9000模型,其可以检测超过9000多类物体。所以,这篇文章其实包含两个模型:YOLOv2和Y原创 2021-06-22 16:23:28 · 215 阅读 · 0 评论 -
yolov1
1.这个写的比较好,主要对yolov1基础知识进行讲解:https://zhuanlan.zhihu.com/p/32525231 2.这个是对论文原文的一个翻译和介绍,感觉还行,跟上面的重复率较高,可能都是从论文中直接搞过来的东西。 https://www.cnblogs.com/CZiFan/p/9516504.html https://zhuanlan.zhihu.com/p/46691043 3.论文下载的网址:[You Only Look Once: Unified, Real-Time Obje原创 2021-06-22 14:21:16 · 104 阅读 · 0 评论