weixin_41009689的博客

首先本文的参考代码来自于添加链接描述和添加链接描述yolo v1 原理简析yolo v1的原理相较于其他的一些目标检测算法稍微没那么复杂，Yolo采用一个单独的CNN模型实现end-to-end的目标检测模型。检测框架整个框架把输入图片分成S×S个grid，然后每个格子预测两个bbox，每个bbox包含五个预测参数：x, y, w, h, c。前四个参数都是归一化之后的，其中c代表置信度，表示预测的这个框属于哪一个物体。另外每个格子都预测20个假定类别的概率，网络的最后输出为S×S×30(52+20

SSD代码详解数据篇，旨在全方位介绍数据从下载到数据增强，最后封装为pytorch的data_loader过程。其中，涉及了目标检测领域绝大部分的数据增强方式，亮度、对比度、色调、裁剪、扩充等等方法。目录下载数据数据dataset数据增强1. 数据类型转换2. Transform Compose3. IOU计算4. bbox坐标变化5. 图片 Resize6. 图片色彩转...