2020年07月_南部_小城

原创 YOLOv3代码详解之创建数据集

一、创建数据集通常我们文件的存储格式，都会按照VOC数据集的那种格式，如下：其中的JPEGImages文件夹用来存放图片，Annotations文件夹用来存放标注文件，图片的文件名和标注文件的文件名是一样的，ImageSets中的Main文件夹用来存放训练集、测试集的文件名。下面就介绍如何产生标注文件，通过使用L

2020-07-07 16:01:10 456

原创 YOLOv3代码详解之网络架构详解

下面将对YOLOv3的网络架构进行详细的解析，通过使用tensorflow2.0来搭建整个YOLOv3的网络，为了看的更加清楚，这里并没有使用函数，而是一步一步的构建，对照着YOLOv3网络架构的图片，可以更加清楚的看清整个YOLOv3的网络。 DarkNet-53：

2020-07-06 15:16:00 441

原创目标检测算法YOLO系列之YOLOv4

YOLOv4的主要思想与YOLOv3基本上是一致的，只是在YOLOv3的基础上加了一些改进，目前YOLOv4的检测效果非常的好。主要的几点改进： 1、主干特征提取网络的改进：由DarkNet53改进成CSPDarkNet5

2020-07-03 10:23:33 2485

原创目标检测算法YOLO系列之YOLOv3

YOLOv3是YOLO目标检测算法的一个重要版本，它的主要思想是将目标检测问题处理成回归问题，并将图像分为S×S的网格。如果一个目标的中心落入某个格子中，那么该格子就负责检测该目标。1、网络结构 YOLO系列都是采用DarkNet网络结构作为主干特征提取的网络框架，YOLOv3采用的是DarkNet-53：&nb

2020-07-03 09:11:36 1348

原创目标检测算法YOLO系列之YOLOv2

YOLOv1虽然检测速度很快，但是它的检测精度却不如R-CNN系列(个人觉得主要的原因就是没有使用anchor机制，而是直接预测，导致收敛比较困难)。YOLOv1在物体定位方面不够准确，并且召回率较低。因此YOLOv2提出了几种改进策略，来提升YOLO模型的定位准确率和召回率。1、批归一化 Batch Normali

2020-07-02 16:01:52 448

原创目标检测算法YOLO系列之YOLOv1

YOLO系列的目标检测算法相较于R-CNN系列的目标检测算法，最明显的优势就是检测速度快，同时YOLO采用端到端的设计思路，让它的模型更加的容易理解，它的主要思想就是将目标检测问题转换成一个回归问题，从回归的结果中得到预测框的位置以及预测框中包含的物体类别。下面将对YOLOv1进行讲解：1、网络架构

2020-07-02 15:30:26 532

原创目标检测算法R-CNN系列之Faster R-CNN

Faster R-CNN是在Fast R-CNN的基础上做了进一步的改进，主要解决的问题就是候选框的生成，通过使用anchor box机制，大大的提高了检测的速度以及效果。有关R-CNN以及Fast R-CNN可以点击链接，进行了解。下面将详细的介绍Faster R-CNN目标检测算法。 1、网络架构 &

2020-07-02 10:38:33 482

原创目标检测算法R-CNN系列之Fast R-CNN

Fast R-CNN目标检测算法是在R-CNN目标检测算法的基础之上，做了改进，关于R-CNN目标检测算法可通过点击链接进行了解。首先，介绍Fast R-CNN目标检测算法的基本流程： 1、将图片输入到卷积神经网络中，提取

2020-07-01 11:20:54 354

原创目标检测算法R-CNN系列之R-CNN

R-CNN系列的目标检测算法，对以后的目标检测算法有着深远的影响，因此非常有必要了解R-CNN系列算法的基本思想。首先要了解的就是R-CNN目标检测算法，该算法的基本流程如下： 1、对输入图片，采用Selective Search算法，以产生候选框 &nbsp

2020-07-01 10:36:02 219

在以前的卷积神经网络中，我们通常会将输入图片缩放到固定大小，进行训练。主要的原因就是卷积神经网络中的全连接层，我们都知道卷积层是不需要固定大小的输入，给它多大的输入，它就可以产生对应的输出。但是当遇到全连接层时，如果给它不同大小的输入，那么它的权重参数的数量就会发生改变，导致无法训练。在固定输入图片时，常用的操作就是裁剪、变形，但是裁剪会导致信息的丢失，变形会导致位置信息的扭曲，从而影响到检测的精度。&nbsp

2020-07-01 09:16:31 609

原创经典卷积神经网络之DenseNet

DenseNet是在ResNet的基础上进行的增强，两者的主要区别在于： 1、DenseNet是让前面所有层与后面层实现密集连接； &nbs

2020-07-01 08:19:23 465

weixin_45586836的博客