目标检测小白-CSDN博客

原创 yolov5使用知识蒸馏

本文介绍的论文《Distilling Object Detectors with Fine-grained Feature Imitation》即是基于 Fine-grained Feature Imitation 技术的目标检测知识蒸馏方法。该方法将 Fine-grained Feature Imitation 应用于学生模型的中间层，以捕捉更丰富的特征信息。

2023-02-22 15:27:57 5693 12

原创 RepPoints网络模型详解

模型的结构主要分为两部分，上半部分为回归分支，下半部分为分类分支，回归分支分为两个阶段。（2）根据上一阶段回归结果调整偏移量进行更加精细化回归。分类分支根据回归分支第一阶段产生的结果直接进行分类预测。（1）产生offsets并回归。接下来讲解代码的具体执行方式。

2022-10-21 13:40:52 673

原创 yolov5实现旋转目标检测

yolov5 实现旋转目标检测，基于kld loss 实现。

2022-07-24 17:22:36 9073 11

原创 yolov5 添加知识蒸馏

将知识蒸馏应用到yolov5中，在不消耗额外资源的情况下显著提高了map值。

2022-05-26 19:14:52 1893 3

Retinanet 网络结构详解以及源代码讲解网络backbone使用ResNet【18， 34， 50， 101， 152】FPN层首先输入的照片的大小为672x640，然后经过一个池化层，使用ResNet网络提取特征，得到四个不同尺度的特征图，layer1, layer2, layer3,layer4.源代码中的尺度融合是从layer2层开始。然后再经过尺度融合得到f3, f4, f5, f6, f7五个不同尺度的特征层。一、Focal LossRetinanet网络的核心就是Foc

2022-03-29 18:05:30 28683 4