![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
图像处理,分类、检测、分割任务
w_suixin
这个作者很懒,什么都没留下…
展开
-
PaddlePaddle目标检测训练营-YOLO实战
1. 说明本文是关于《百度AIStudio_目标检测7日打卡营》,作业三 YOLO系列模型baseline得分低的解决方案。2. 提升方法问题:训练图像比较大,目标又比较小,baseline的图像输入太小;增大输入图像尺寸效果会不会好一些。怎么设置anchor?聚类命令参数意义。关于问题1: 训练图像横纵分辨率都在2000-3000左右,按照yml配置文件中的608的输入尺寸训练时很难达到0.6。通过改变训练尺寸输入、评估尺寸和测试尺寸可以很容易将分数提高到0.6以上。 具体设置为:原创 2020-09-27 18:09:21 · 884 阅读 · 0 评论 -
YOLO系列——V1-V3
YOLO V1——YOLO V51. YOLO V11.1 模型介绍1.2 效果对比2. YOLO V21. YOLO V1论文地址: http://arxiv.org/abs/1506.02640.亮点:将目标检测作为一个回归问题(与将分类问题应用到检测问题不同),可以直接对检测性能进行端到端的优化。速度快,基础模型能达到45 FPS,Fast YOLO 155 FPS。缺点:与其它检测器相比定位不准。1.1 模型介绍检测原理:图像经过一个神经网络后,产生的特征直接预测出b原创 2020-08-27 09:24:42 · 391 阅读 · 0 评论 -
高效而准确的场景文字检测 EAST
1. 介绍EAST: An Efficient and Accurate Scene Text Detector论文地址:https://arxiv.org/abs/1704.03155v2本文使用单个神经网络直接预测任意方向的四边形的单词和文本行,消除了不必要的中间步骤(如:候选区域聚合 和 单词分区)。本文提出的基础架构可以集中精力设计损失函数和神经网络。在ICDAR2015的数据集上,此方法在Titan-X GPU上,获得了0.782的F-score,和13.2的FPS。2. 模型介原创 2020-08-18 12:02:28 · 265 阅读 · 0 评论