![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 54
郁彼*
嵌入式萌新
展开
-
YOLOv2对于YOLOv1的提升
High Resolution Classifier(高分辨率的分类器)Direct location prediction(直接位置预测)Multi-Scale Training (多尺度的训练)Fine-Grained Features(细粒度特征)Batch Normalization(批标准化)YOLOv2对于YOLOv1的提升主要在于。Better(更准确)原创 2022-11-23 23:25:37 · 101 阅读 · 0 评论 -
CNN卷积神经网络
将X图像与它的三个特征作卷积运算就会得到旁边这三个特征图(feature map),仔细看你会发现这三个feature map会与他们做卷积的特征图相似,说明X图像中含有这三个特征,但如果你用O的图像与这三个特征图做卷积运算得出来的feature map就不会与原来的特征图相似,是一个乱码图。池化分为两种:一种是最大值池化(将区域内的最大值来代替这个区域的所有值),另外一种是平均值池化(将区域内的所有数的平均值来代表这个区别的所有值)每一个像素的权重,最后算完得出X的概率为0.92。直到算到最后一个区域。原创 2022-11-23 22:45:20 · 870 阅读 · 0 评论 -
yolov1模型
每个bounding box会生成一些信息,如中心点的x、y矩形框的h、w还有这个框的自信度,而grid cell也会生成一些信息,即假设该grid cell是不同物体的概率,是鸟的概率P(bird|Object)、是车的概率P(car|Object)等20个,自信度与不同的概率相乘,最高的那个就是yolo所推测出的物体类别。比较完概率最高的后,再从概率第二高(蓝框)的与所有比它小的比较,若IOU大于阈值则小概率的(紫框)置为0,依次类推。最后将概率不为0的类别和它的概率读出,并框在图像上。原创 2022-11-21 19:54:22 · 1044 阅读 · 0 评论