Anchor Boxes算法介绍

最新推荐文章于 2024-05-16 22:40:58 发布

一只特立独行的老猫

最新推荐文章于 2024-05-16 22:40:58 发布

阅读量3k

点赞数 1

文章标签： Anchor Boxes

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_42285271/article/details/87925322

版权

主要参考吴恩达的深度学习教程
利用卷积滑窗检测时，如果出现多个物体，例如两个不同的物体（Anchor Box算法对更多的物体以及两个物体外形相似没有很好的应对办法）的中心点同时出现在一个单元格中，那么按照原有的算法只会输出一个物体，如下图所示，人和车的中心都位于同一个单元格的一个位置,这时就需要使用Anchor Boxes算法
在这里插入图片描述
Anchor Boxes的思路是对于不同的物体事先采用不同的框，例如人相对于车属于瘦高的，所以使用下图中的Anchor Box 1，相反车辆就使用Anchor Box 2.
之前输出的向量为 $y=[P_x,b_x,b_y,b_h,b_w,C_1,C_2,C_3]$

最低0.47元/天解锁文章

一只特立独行的老猫

关注

1
点赞
踩
13

收藏

觉得还不错? 一键收藏
7
评论
Anchor Boxes算法介绍

主要参考吴恩达的深度学习教程利用卷积滑窗检测时，如果出现多个物体，例如两个不同的物体（Anchor Box算法对更多的物体以及两个物体外形相似没有很好的应对办法）的中心点同时出现在一个单元格中，那么按照原有的算法只会输出一个物体，如下图所示，人和车的中心都位于同一个单元格的一个位置,这时就需要使用Anchor Boxes算法Anchor Boxes的思路是对于不同的物体事先采用不同的框，例如...
复制链接

扫一扫

一只特立独行的老猫 CSDN认证博客专家 CSDN认证企业博客

码龄6年

17: 原创

34万+: 周排名

192万+: 总排名

2万+: 访问

: 等级

717: 积分

6: 粉丝

19: 获赞

260: 评论

86: 收藏

私信

关注

热门文章

最新评论

卷积滑动窗口检测算法原理
踏碎琼瑶: 请问博主有代码实现吗
卷积滑动窗口检测算法原理
guguai56: [code=python] if training: optimizer.zero_grad() self.state['loss'].backward() nn.utils.clip_grad_norm(model.parameters(), max_norm=10.0) optimizer.step( [/code]
卷积滑动窗口检测算法原理
guguai56: [code=html] <> [/code]
目标检测中YOLO网络模型的介绍
祥瑞Coding: #无监督学习-聚类 K-means聚类算法 #以k为参数，把n个对象分为k个簇，使簇内具有较高相似度，簇间相似度较低 #1.随机选择k个点作为初始聚类中心；2.根据剩下点与聚类中心的距离(默认就是欧氏距离)，归为最近的簇； #3.对每个簇，计算所有点的均值作为新聚类中心；4.重复2、3直至聚类中心不变 #31省1999年平均每人全年支出，分为衣、食等八个变量，利用已有数据，对其进行聚类(对各城市消费等级进行分类)。 #技术路线：sklearn.cluster.Kmeans #1.建立工程，导入sklearn相关包 import numpy as np from sklearn.cluster import KMeans #2.加载数据，创建K-means算法实例，并进行训练，获得标签 #加载数据方法定义 def loadData(filepath): fr=open(filepath,'r+') #读写方式打开 lines=fr.readlines() #一行一行读入 retData=[] retCityName=[] for line in lines: items=line.strip().split(',') #去掉文本中空格并拆分元素 retCityName.append(items[0]) #建立一个城市名称的列表[,,,...] retData.append([float(items[i]) for i in range(1,len(items))])#建立一个二维列表，每个城市数据为一个内层列表[[],[],[]...] return retData,retCityName #主程序 if __name__=='__main__': data,cityName=loadData("city.txt") #注意loadData的用法:会一行一行的处理数据，并分别返回响应值 #print(cityName,data)二者为列表类型 km=KMeans(n_clusters=3) #指定聚类中心个数(消费水平级数)，默认最大迭代次数max_iter为300 label=km.fit_predict
目标检测中YOLO网络模型的介绍
祥瑞Coding: #无监督学习-聚类 K-means聚类算法 #以k为参数，把n个对象分为k个簇，使簇内具有较高相似度，簇间相似度较低 #1.随机选择k个点作为初始聚类中心；2.根据剩下点与聚类中心的距离(默认就是欧氏距离)，归为最近的簇； #3.对每个簇，计算所有点的均值作为新聚类中心；4.重复2、3直至聚类中心不变 #31省1999年平均每人全年支出，分为衣、食等八个变量，利用已有数据，对其进行聚类(对各城市消费等级进行分类)。 #技术路线：sklearn.cluster.Kmeans #1.建立工程，导入sklearn相关包 import numpy as np from sklearn.cluster import KMeans #2.加载数据，创建K-means算法实例，并进行训练，获得标签 #加载数据方法定义 def loadData(filepath): fr=open(filepath,'r+') #读写方式打开 lines=fr.readlines() #一行一行读入 retData=[] retCityName=[] for line in lines: items=line.strip().split(',') #去掉文本中空格并拆分元素 retCityName.append(items[0]) #建立一个城市名称的列表[,,,...] retData.append([float(items[i]) for i in range(1,len(items))])#建立一个二维列表，每个城市数据为一个内层列表[[],[],[]...] return retData,retCityName #主程序 if __name__=='__main__': data,cityName=loadData("city.txt") #注意loadData的用法:会一行一行的处理数据，并分别返回响应值 #print(cityName,data)二者为列表类型 km=KMeans(n_clusters=3) #指定聚类中心个数(消费水平级数)，默认最大迭代次数max_iter为300 label=km.fit_predict

您愿意向朋友推荐“博客详情页”吗？

强烈不推荐
不推荐
一般般
推荐
强烈推荐

提交

最新文章

目录

评论 7

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。