目标检测
文章平均质量分 53
目标检测小白
这个作者很懒,什么都没留下…
展开
-
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。原创 2023-02-22 15:27:57 · 5798 阅读 · 12 评论 -
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。原创 2022-10-21 13:40:52 · 701 阅读 · 0 评论 -
SinePositionalEncoding
detr 位置编码源码详解原创 2022-10-12 14:23:55 · 530 阅读 · 1 评论 -
yolov5实现旋转目标检测
yolov5 实现旋转目标检测,基于kld loss 实现。原创 2022-07-24 17:22:36 · 9139 阅读 · 11 评论 -
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。原创 2022-05-26 19:14:52 · 1901 阅读 · 3 评论 -
Retinanet网络详解
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原创 2022-03-29 18:05:30 · 28821 阅读 · 4 评论