- 博客(8)
- 收藏
- 关注
RSS订阅原创 CV目标检测面试必备Faster-RCNN源码讲解
在上篇讲解了RCNN以及Fast RCNN的原理，分析了其中还欠缺的问题所在，主要就是预选框的选择依旧导致训练速度慢，所以Faster RCNN应运而生，淘汰Seletive Search作为候选框选择方法，提出使用RPN网络来构建候选框，当然还有特征提出网络，分类和回归分支进行改进。下面来从原理结合代码的角度分析一下。
2023-03-01 20:49:48
392
原创 CV目标检测面试必备RCNN系列1
最近准备CV实习，重新回顾RCNN系列，大部分朋友都认为Faster-RCNN时代已经成为历史，为什么要看Faster-RCNN，这不是浪费时间吗，我最初也是这么认为，但是实验室师兄在面试CV岗经常会遇到Faster-RCNN中的RPN网络结构，怎么训练，损失如何计算等等问题，虽然随着技术发展，Faster-RCNN在大部分公共数据集上的成绩并没有如今大火的YOLO，transformer分数高，但是包含了许多起初的知识点，能够让我们更好的去学习，熟话说，了解一门技术还是得熟悉它的历史。同时虽然Faster
2023-02-28 11:56:57
345
原创 yolov4论文解析
由于yolov3作者退出yolo算法更新，但并没有停止对yolo的改进。2020年yolov4发出，并得到原作者的肯定。yolov4论文中做了非常多的消融实验进行对比，使用很多的训练策略，在精度上面对比yolov3有比较大的提升。首先来看一下yolov4在coco数据集上的AP值，保证了速度的同时，提到了进度。对比yolov3提升了接近10%的AP值，可以看出yolov4的效果是非常的不错，而对比efficientDet虽然精度低，但是在速度上远超过它，能够达到实时检测的效果。
2022-11-12 10:04:30
1481
原创 yolov3源码逐行详解（3.0版本）
次看主文件，在进入主函数中逐行调试，进而对代码全局有个了解。接下来就是主文件，train.py训练文件、test.py测试文件（用于训练中每个epoch的测试）、models.py模型文件、detect.py预测文件、requirements.txt其中是项目需要的环境配置。版本，主要是因为其中使用的一些训练技巧不多，方便入门，在最新版本中作者使用了很多yolov5的训练技巧，不好理解，所以我们从最初版本一步一步学。首先是传入参数，每个参数的含义可以看我写的注释，然后进入到train函数。
2022-11-03 14:50:24
3887
1
原创 RepVGG论文详解（超级详细）
RepVGG是2021年发表于CVPR，它和resnet一样是一种图像分类网络，在目标检测中被用作backbone，论文提出一种新型技术称之结构重参数化，简单来说就是对训练出的模型进行等价替换成一个简单的模型，然后用这个简单的模型进行推理（也就是testing），目的就是加快推理速度，提高模型实用性。RepVGG当中的结构重参数化这个方法值得我们去学习，对模型的部署非常友好，在未来的发展中，重参数化会越来越受欢迎（YOLOv6使用了这个方式）。
2022-11-01 17:34:28
6390
原创 YOLOv3论文笔记
yolov3这篇论文与v1v2是同一个作者，但由于实时监测技术的快速提高，大多用于军工类导致更多的战争，作者表明并不是其本意并表示yolov3是其最后更新的一次。所以在这篇论文当中作者仅仅写了5面的内容，其中很多没有讲的很详细，很多细节需要大家从源码当中去了解。yolov3在原来的基础上做出一些改进，使用了更大的模型，让yolov3能够与其他高精度的检测模型达到相同精度，但是速度快三倍，如SSD。
2022-09-22 12:44:47
1006
2
原创 YOLOv2论文笔记
前些天把yolov1论文学习完，今天分享一下yolov2的论文（YOLO9000：Better，Faster，Stronger），主要是对yolov1的缺点进行改进，并提出一些训练小trick。
2022-09-16 18:02:29
894
1
原创 yolov1论文笔记
分享一下最近阅读yolov1的这篇论文理解，有不对请各位大佬指点。 论文地址：链接: https://pan.baidu.com/s/1EyXhYMdZutK5WsyowHZ7xw 提取码: 6666目录摘要引言（YOLO的优点）YOLO模型主要思想网络模型设计损失函数结果对比本人初入目标检测的大坑，前段时间学了R-CNN系列网络，最近准备学习YOLO，目前YOLO的发展迅速，YOLOV6、v7都很强，但是我认为YOLOv
2022-09-15 15:19:11
956
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人