![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 86
写进メ诗的结尾。
这个作者很懒,什么都没留下…
展开
-
YOLOv1 中的一些计算
非极大值抑制的思想很简单,对于某一类别目标的所有边界框,先挑选出得分最高的边界框,再依次计算其他边界框与这个得分最高的边界框的 IoU,超过设定的 IoU 阈值的边界框则被认为是重复检测,将其剔除。但 YOLOv1 并没有采取如此简单的做法,YOLOv1 不仅希望边界框的置信度能够表征网格是否包含目标中心点,同时也希望边界框的置信度能表征所预测的边界框的定位精度。损失函数的第三、四行,计算的是置信度损失,第三行表示的是正样本的置信度损失,第四行表示的是负样本的置信度损失,它们俩不会同时计算;原创 2024-06-27 17:57:52 · 952 阅读 · 0 评论 -
IoU 及 NMS 的计算
【代码】IoU 及 NMS 的计算。原创 2024-06-18 11:50:58 · 180 阅读 · 0 评论 -
YOLOv1~YOLOv9
表征能力更强的 RepBi-PAN Neck 网络有效的多尺度特征融合网络对目标检测的效果尤为关键。特征金字塔网络(FPN)通过自上而下的路径融合来自主干网络不同 Stage 的输出特征,以弥补网络学习过程中目标位置信息的损失。鉴于单向信息流传输的局限性,PANet 在 FPN 之上添加了一个额外的自底向上路径。BiFPN 为不同的输入特征引入了可学习的权重,并简化了 PAN 以实现更好的性能和更高的效率。PRB-FPN 通过具有双向融合的并行残差 FPN 结构来保留高质量的特征,以进行准确定位。原创 2024-05-17 12:02:55 · 807 阅读 · 3 评论 -
使用chatGPT写的IoU及IoU变体的代码实现
Intersection over Union(IoU)是计算两个边界框的重叠程度的常用指标。这些变体都是用于计算两个边界框的重叠度量,目的是为了提高目标检测等任务的精度。在实际应用中,我们可以根据任务的需要选择适当的重叠度量。原创 2023-05-07 12:01:31 · 586 阅读 · 0 评论 -
YOLOv3
YOLOv3原创 2022-10-10 10:30:54 · 2232 阅读 · 0 评论 -
YOLOv2
YOLOv2原创 2022-10-10 10:20:38 · 866 阅读 · 0 评论 -
YOLOv1
YOLOv1原创 2022-10-10 10:04:50 · 147 阅读 · 0 评论 -
Faster R-CNN
Faster R-CNN原创 2022-09-04 00:30:47 · 599 阅读 · 1 评论 -
Fast R-CNN
Fast R-CNN原创 2022-09-04 00:19:13 · 301 阅读 · 0 评论 -
SPPNet
SPPNet原创 2022-09-03 23:27:32 · 386 阅读 · 0 评论 -
R-CNN(Regions with CNN features)
R-CNN原创 2022-09-03 23:09:39 · 296 阅读 · 0 评论