YOLO
文章平均质量分 82
一顿能吃五大海碗啊啊啊
脾气不好
展开
-
YOLO v4算法详解
1、YOLO v4网络结构2、输入端3、Backbone网络4、Neck网络5、Head原创 2022-01-05 19:48:39 · 3651 阅读 · 0 评论 -
YOLO v5算法详解
1、YOLO v5网络结构2、输入端3、Backone网络4、Neck网络5、Head网络1、YOLO v5网络结构图 1 YOLO v5网络结构图由上图可知,YOLO v5主要由输入端、Backone、Neck以及Prediction四部分组成。其中:(1) Backbone:在不同图像细粒度上聚合并形成图像特征的卷积神经网络。(2) Neck:一系列混合和组合图像特征的网络层,并将图像特征传递到预测层。(3) Head: 对图像特征进行预测,生成边界框原创 2022-01-04 21:47:40 · 38506 阅读 · 13 评论 -
FPN网络
FPN(Feature Preamid Networks)特征图金字塔网络主要解决的是物体检测中的多尺度问题,在基本不增加原有模型计算量的情况下大幅度提升小物体的检测性能。通常一幅图像包含各种不同的物体,并且大小各异。比较理想的是一次就可以将所有大小的物体同时检测出来。因此,网络必须具备能够看到不同大小的物体的能力。并且网络越深,特征图就会越小,所以越往后小的物体也就越难检测出来。在实际的feature map中,低层的feature map中主要包含低级的信息(物体边缘,颜色,初级位置信息等),但原创 2021-12-31 18:17:59 · 1461 阅读 · 0 评论 -
YOLO :YOU ONLY LOOK ONCE
目录1、YOLO是什么2、YOLO 的突破3、YOLO的原理原创 2021-12-31 14:47:22 · 1826 阅读 · 0 评论