目标检测
文章平均质量分 87
橘色闪光
这个作者很懒,什么都没留下…
展开
-
关于mAp的理解
要理解mAp,首先要知道Ap。mAp是网络模型对不同类别Ap的平均值。那么什么是Ap。我们知道precision和recall。我们将预测出来的detector框(网络计算输出框后进过nms去重后的),按照confidence从高到底进行排序。这个时候我们按照顺序拿取我们的预测框与groundtruth做比较,根据其与对应类别的groundtruth的iou来判断其是正样本还是负样本。如果判断为正样本则把该groundtruth框去掉,并且更新precision和recall值。所以整个过程我们的recal原创 2021-06-07 07:16:58 · 602 阅读 · 0 评论 -
yolo系列值yolov2
https://blog.csdn.net/weixin_41630455/article/details/117408955这里我整理的yolov1的一些知识点。https://zhuanlan.zhihu.com/p/35325884在听完老师讲课心里还有疑惑的地方,也参考了这篇文章做了解答。yolov2相对于yolov1 做了哪些改动呢?其实从设计上简单来说做了两点改动多尺度提取特征(与ssd的设计有点类似,不光计算了深层的特征,同时也结合了浅层的特征) 预测偏移量(借鉴了faster.原创 2021-06-01 07:53:42 · 536 阅读 · 0 评论 -
目标检测yolo系列之yolov1
计算机视觉任务一般有分类任务、检测任务、分割任务等。其中检测任务是其中的一个典型应用。什么是目标检测,目标检测就是我们给定一张图片,通过模型能够用矩形框(也有其他形式的框,比较基础的是矩形框)标注出我们希望检测到的物体并且在将该物体框出来的同时能够给出这个物体属于哪一种类别。那么我们该如何达到目标检测的目的呢?首先我们有这样一个思想:深度学习中所有的问题都可以归纳为分类问题和回归问题(这个思想我是和我的老师也是这一领域的一个大佬验证过,所以是比较可靠的一个思想)。然后根据这个思想我们可以将检测问题也原创 2021-05-31 10:33:34 · 436 阅读 · 1 评论