本文详细介绍了深度学习中的两种目标检测算法——YOLO（You Only Look Once）和SSD（Single Shot MultiBox Detector）。YOLO以其快速而简洁的网络结构著称，而SSD则通过保留中间特征图以实现高效检测。课程中讲解了VGG16作为基础网络的修改，以及如何在YOLO和SSD中处理候选框和类别预测。
转：（必学！！！）深度学习手把手教你做目标检测（YOLO、SSD）（人工智能精选课程！！！）_哔哩哔哩_bilibili
【深度学习实战】手把手教你做目标物体检测（YOLO、SSD）计算机视觉目标物体检测案例实战课程分享！_哔哩哔哩_bilibili
fast-RCNN准确率高，因为候选框多
YOLO快：直接一个网络搞定，采用回归思想
算法的主网络结构是VGG16，将最后两个全连接层改成卷积层，并随后增加了4个卷积层来构造网络结构，输入图片300x300
vgg16
SSD会保留中间的特征图
有些代码中每个像素生成3个框
5x5x12：因为每个框有4个坐标(中心点x、y、宽、高)=75x4
5x5x63：每个框有21个候选类(包含一个背景类20+1)=75x21
扫一扫
1987
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
