- 博客(5)
- 收藏
- 关注
原创 yolo总结
通过适当的正负样本分配策略,补零后的无效GT框在训练过程中被有效地过滤掉,确保模型只学习有效的目标物体。使用有效的索引来提取目标标签,避免无效GT框的干扰。在分配过程中,确保中不包含补零GT框的索引。这样,模型在训练时能够专注于有效目标,提升检测的准确性和鲁棒性。
2024-08-02 04:53:21 1146
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
通过适当的正负样本分配策略,补零后的无效GT框在训练过程中被有效地过滤掉,确保模型只学习有效的目标物体。使用有效的索引来提取目标标签,避免无效GT框的干扰。在分配过程中,确保中不包含补零GT框的索引。这样,模型在训练时能够专注于有效目标,提升检测的准确性和鲁棒性。
2024-08-02 04:53:21 1146
TA创建的收藏夹 TA关注的收藏夹
TA关注的人