YOLO目标检测学习笔记1
原理:同RNN的滑动窗口方法不同,yolo系列采用检测物体中心(通过将图像分割成为边长的平方个框框并且通过每个框框得到坐标和置信度判断出类别选取置信度最高的框作为中心)并根据经验和梯度下降修改H W参数进而检测出物体。全连接层降维之后转换为7*7*30,为49个小块,每个小块内参数为候选框1的坐标候选框2的坐标(S,Y,W,H,C)再有后面的20为属于每个类别的概率。Recall(召回率)=TP/TP+FN TP:检测并判断为正例 FP:负例判断为正例。2.删除了全连接层仅用卷积层不断提取特征。
原创
2024-04-14 21:50:09 ·
227 阅读 ·
0 评论