[论文阅读]YOLOv4| YOLOv4：Optimal Speed and Accuracy of Object Detection

最新推荐文章于 2023-11-08 19:16:34 发布
最新推荐文章于 2023-11-08 19:16:34 发布
阅读量565 收藏 2
点赞数
分类专栏： 论文阅读
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_43859829/article/details/105792429
版权

题目：YOLOv4: Optimal Speed and Accuracy of Object Detection
作者：Alexey Bochkovskiy， Chien-Yao Wang，Hong-Yuan Mark Lia

【Joseph 因为他的作品被用到了军事等领域及给个人隐私带来的风险，今年2月宣布退出CV, 向yolo创始人Joseph Redmon致敬！】
在这里插入图片描述

Motivation:
作者认为常规的网络在一定程度上解决了一定的问题，他想做个大（真是不一般的大）的，因此站在很高（真是不一般的高）的角度上，一览众山小，采用了许多优秀的metrics，并想在速度和效果上兼得，于是创作了yolo v4。并作了大量（真是不一般的大）的实验证明各个metrics对效果的影响。

Methods:

先看效果图吧：
在这里插入图片描述
速度确实快且效果好。

作者总结了目标检测的架构：

最低0.47元/天 解锁文章
一碗白开水一
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【YOLOv4原文+翻译】YOLOv4：Optimal Speed and Accuracy of Object Detection
qq_41915226的博客
05-28 6801
最近新出了YOLOV4，我系统的从V1开始整理出稿，传送门： 【YOLOv1原文+翻译】You Only Look Once Unified, Real-Time Object Detection 【YOLOv2原文+翻译】YOLO9000: Better, Faster, Stronger 【YOLOv3原文+翻译】YOLOv3：An Incremental Improvement 【YOLOv4原文+翻译】YOLOv4：Optimal Speed and Accuracy of Object Detec
YOLOv4: Optimal Speed and Accuracy of Object Detection全文翻译PDF
04-13
YOLOv4:目标检测的最佳速度和精度,YOLOv4: Optimal Speed and Accuracy of Object Detection全文翻译PDF
【论文详解】YOLO4（2020）
小陈说CV的博客
05-24 3303
文章目录前言1 论文信息2 引言2.1 问题导入2.2 效果对比2.3 贡献3 相关工作3.1 检测器简介3.2 检测器图示4 BOF4.1 BOF定义4.2 数据增广分类4.3 遮挡问题处理4.4 正负样本不平衡问题4.5 多标签学习4.6 边界框回归5 BOS5.1 BOS定义5.2 增大感受野5.3 注意力机制5.4 特征融合5.5 激活函数5.6 后处理6 方法论6.1 架构的选择6.2 BOF 与 BOS 的选择6.3 附加改进6.4 YOLO4总结7 实验7.1 实验准备7.2 BOF对分类器的
[纯理论] YOLO v4: Optimal Speed and Accuracy of Object Detection
Le0v1n 的博客
07-25 1173
YOLOv4理论部分
YOLOv4: Optimal Speed and Accuracy of Object Detection
myl1992的专栏
04-01 1546
YOLOv4：目标检测的最佳速度和精度 Alexey Bochkovskiy ∗ alexeyab84@gmail.com Chien-Yao Wang ∗ Institute of Information Science Academia Sinica, Taiwan kinyiu@iis.sinica.edu.tw Hong-Yuan Mark Liao Institute of Information Science Academia Sinica, Taiwan liao@iis.sinica.ed
YOLOv4: Optimal Speed and Accuracy of Object Detection全文翻译
04-13
YOLOv4:目标检测的最佳速度和精度，YOLOv4: Optimal Speed and Accuracy of Object Detection全文翻译
最新论文YOLOv4: Optimal Speed and Accuracy of Object Detection
04-24
YOLOv4: 最优速度与检测精度的物体检测 YOLO（You Only Look Once）是一种流行的实时物体检测系统，自2016年首次发布以来，已经经历了多次升级和改进。最新的版本YOLOv4在速度和准确性之间找到了一个理想的平衡点，...
Optimal Speed and Accuracy of Object Detection
05-04
以下是几篇经典的 YOLOv系列论文，推荐阅读： YOLOv1: You Only Look Once: Unified, Real-Time Object Detection（CVPR 2016） ...本次是主要YOLOv4: Optimal Speed and Accuracy of Object Detection的代码
Deepsocial 资源包（yolov4+sort）
11-08
YOLOV4是一种高效且准确的目标检测算法，全称为"YOLOv4: Optimal Speed and Accuracy of Object Detection"。这个资源包“Deepsocial”显然结合了YOLOV4和SORT（Simple Online and Realtime Tracking）算法，用于...
YOLOv4: Optimal Speed and Accuracy of Object Detection（2020.4）
最新发布
qihshe的博客
11-08 628
我们使用了新的特征:WRC、CSP、CmBN、SAT、Mish-激活、Mosaic数据增强、CmBN、DropBlock正则化和CIoU损失，并将其中一些特征结合起来获得了最先进的结果:MS COCO数据集在Tesla V100上以~ 65 FPS的实时速度获得了43.5%的AP(65.7%的AP50)
论文精读：YOLOv4: Optimal Speed and Accuracy of Object Detection
qq_52053775的博客
08-17 1213
大量的特征据说可以提高卷积神经网络(CNN)的精度。需要在大数据集上对这些特征的组合进行实际测试，并对结果进行理论证明。有些特性只适用于某些模型，只适用于某些问题，或仅适用于小规模数据集；而一些特性，如批处理标准化和残差连接，适用于大多数模型、任务和数据集。我们假设这些普遍特征包括加权残差连接(WRC)、跨阶段部分连接(CSP)、交叉小批归一化(CmBN)、自我对抗训练(SAT)和Mish激活。我们使用新功能：WRC，CSP，CmBN，SAT，Mish激活，Mosaic数据增强、CmBN，DropBlock
【论文阅读】YOLOv4：最佳速度和准确性の目标检测（YOLOv4: Optimal Speed and Accuracy of Object Detection）
miracleoa的博客
07-04 2991
文章目录摘要：参考 摘要： 有许多功能可以提高卷积神经网络（CNN）的准确性。需要在大型数据集上对这些特征的组合进行实际测试，并在理论上证明结果的正确性。某些功能仅在某些模型上运行，并且仅在某些问题上运行，或者仅在小型数据集上运行；而某些功能（例如批归一化和残差连接）适用于大多数模型，任务和数据集。我们假设此类通用功能包括加权残差连接（WRC），跨阶段部分连接（CSP），跨小批量标准化（CmBN），自对抗训练（SAT）和Mish激活。我们使用以下新功能：WRC，CSP，CmBN，SAT，Mish激活，马赛克
论文阅读二——YOLOv4:Optimal Speed and Accuracy of Object Detection
CREATOR_XiaoLi
05-27 645
##写在前面 YOLO, YOLO9000, 以及 YOLOv3 等里程碑式目标检测网络框架，随着目标检测任务的进一步研究，在学术界和工业界中得到广泛应用。其论文作者 Joseph Redmon 更是由于在目标检测方面杰出的工作贡献而闻名于计算机视觉领域。由于个人原因，Joseph Redmon 宣布不再进行计算机视觉方向的研究工作。但是 Alexey Bochkovskiy 等人在时隔不久之后拿起了接力棒，提出了速度更快，检测准确率更高的 YOLOv4 网络框架。下图为各个目标检测工作的时间线： 下文
论文笔记-YOLOv4: Optimal Speed and Accuracy of Object Detection
Bolly_He的博客
04-02 3367
论文地址：https://arxiv.org/pdf/2004.10934v1.pdf code：https://github.com/AlexeyAB/darknet. 摘要 有大量的技巧可以提高CNN的精度。某些技巧仅在某些模型上使用或针对某些问题或小规模的数据集使用；有一些技巧例如BN，残差连接等，适用于大多数的模型，任务和数据集。我们假设这种普遍的技巧包括：Weighted-Residual-Connections (WRC)，Cross-Stage-Partial-connections (
深度学习论文阅读目标检测篇（七）中文版：YOLOv4《Optimal Speed and Accuracy of Object Detection》
与君共勉，一起学习
06-25 693
  有大量的技巧可以提高卷积神经网络（CNN）的精度。需要在大 数据集下对这种技巧的组合进行实际测试，并需要对结果进行理论论 证。某些技巧仅在某些模型上使用和专门针对某些问题，或只针对小 规模的数据集；而一些技巧，如批处理归一化、残差连接等，适用于 大多数的模型、任务和数据集。我们假设这种通用的技巧包括加权残 差连接（Weighted-Residual-Connection，WRC）、跨小型批量连接 (Cross-Stage-Partial-connection，CSP)、Cross mini-Batch
yolov4: optimal speed and accuracy of object detection
03-16
yolov4是一种目标检测算法，它在速度和准确性方面都有很好的表现。它采用了一些新的技术，如SPP结构、PANet结构、CSP结构和YOLOv3-tiny等，以提高检测速度和准确性。此外，yolov4还使用了更大的网络和更多的数据进行训练，以进一步提高准确性。总的来说，yolov4在速度和准确性方面都达到了最佳水平。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值