yolo
文章平均质量分 94
学习yolo系列
RessCris
怕什么真理无穷,进一寸有一寸的欢喜
展开
-
YOLOv6 学习笔记
yolov6 出来的时候 yolov7 已经出了。原创 2024-02-18 23:48:06 · 1031 阅读 · 0 评论 -
YOLOv5 学习记录
为了读者更方便地搭建 CSPDarkNet53,笔者这里也给出 CSPDarkNet53 的结构图,如图所示,这里CSPDarkNet53依然使用的是类似 ResNet 的层次结构设计的思想,以及这里CSPDarkNet53对于每个 Stage的配置同DarkNet53一样,分别是 3,6,9,3,依次对应的下采样倍数为:4、8、16、32。相比较 YOLOv3 和 YOLOv4 匹配正样本的方式,YOLOv5的这种匹配方式能够分配更多的正样本,有助于训练加速收敛,以及正负样本的平衡。原创 2023-11-19 22:43:27 · 366 阅读 · 0 评论 -
YOLOv4 学习记录
FPN+PAN 借鉴的是PANet,当时主要应用于图像分割领域,如图所示,FPN 是自顶向下,将高层的强语义特征传递下来,而 FPN+PAN 针对这一点,在 FPN 的后面添加一个自底向上的金字塔,这样的操作是对 FPN 的补充,将底层的强定位特征传递上去,这也YOLOv4的Neck不仅能增强高级语义信息,又能增强特征的定位信息。问题1:即情况1的情况,当预测框和目标框不相交时,IOU=0,无法反应两个框距离的远近,此时损失函数不可导,IOU_Loss无法优化两个框不相交的情况。原创 2023-11-16 16:52:25 · 413 阅读 · 0 评论 -
YOLOv3 学习记录
关注目标在哪里目标是什么目标检测的发展路径:proposal 两阶段 --> anchor-base/ anchor-free --> nms free小目标、跨域?1、YOLOv3在实时性和精确性在当时都是做的比较好的,并在工业界得到了广泛应用。2、YOLOv3在Backbone网络结构上应用残差连接思想来解决深度网络的梯度消失问题。yolov2 使用的是 darknet 19, 类似于 vgg。3、YOLOv3最显著的改进就是在3个尺度上以相同的方式进行目标的检测。原创 2023-11-16 15:55:08 · 377 阅读 · 0 评论