目标检测
暗紫色的乔松(-_^)
但行远方,莫问前程
展开
-
Mobilenet-YoloV4
CSPDarknet53获取到的三个初步特征实际上只是三个特征层而已,如果可以找到Mobilenet系列网络当中特征层高宽和CSPDarknet53有效特征层高宽相同的特征层,就可以将这些特征层替换原始的CSPDarknet53的特征层,这个时候就可以将Mobilenet系列网络的特征层传入到加强特征提取网络进行加强特征提取,这样就把可以将Mobilenet系列网络应用到YOLOv4网络当中了。原创 2023-08-15 15:01:27 · 59 阅读 · 0 评论 -
YOLOv4-tiny
YOLOv4-tiny原创 2023-08-07 20:18:16 · 18 阅读 · 0 评论 -
YOLOv4
进入加强提取特征网络,获得三次卷积后的特征层先进行一个上采样,高和宽变成原来的2倍,特征层的shape变成26*26,再和主干特征提取网络的26*26*512的特征层进行一个堆叠,就实现了一个特征融合,然后继续上采样,继续堆叠。再往下走进行下采样变成26*26的特征层,然后再和前边这个特征层进行一个堆叠,堆叠后进行5次卷积,继续下采样,到了最下边再堆叠再进行5次卷积。最后YOLO Head会根据提取到的特征进行结果预测。原创 2023-08-06 01:51:58 · 55 阅读 · 0 评论 -
模型训练可能遇到的一些问题
显存可能不太够,只能降低batch_size,但是这样的话训练也就非常慢。名称和路径不要有空格,括号最好也别有,要不然还没训练就报错了。所以不这样做,采用以下两种方案解决.从2048增大到4096。原创 2023-03-13 09:35:57 · 82 阅读 · 0 评论 -
YoloV7
从下往上,先进行上采样,然年和40*40的特征层进行一个堆叠,使用多分支堆叠模块进行特征提取。之后会在进行一个上采样,然后和80*80的特征层进行一个堆叠,又会使用多分支堆叠模块进行特征提取,这样就获得了一个特征,然后通过过渡模块进行下采样,又变成了40*40,这样就又可以和左边那个40*40的特征层进行一个堆叠,使用多分支堆叠模块进行特征提取,接下来通过过渡模块进行下采样,完成下采样之后就变成了20*20,会和左边的20*20的有效特征层进行一个堆叠,堆叠完了之后,使用多分支堆叠模块进行特征提取。原创 2023-03-09 09:12:50 · 1547 阅读 · 0 评论 -
YoLoV1~YoLoV3 SPP
截止到今日,差不多对深度学习有了一定了解了,从图像分类的各种神经网络再到YOLO系列的目标检测,一步一步的逐渐实现相应功能,但对于一些具体的代码细节、部分理论,后期可能还需要加强学习和理解。但是转眼也快开学了,时间也变得有点紧,所以这一方面的技术学习要先暂停一段时间了,等度过这一段时间,自己会重新拿起,训练出自己所需要的模型。本篇博文主要解析YoLoV3,自己来来回回看了好几遍才明白个大概,总之,水平菜是本质。。。原创 2023-01-29 17:53:58 · 348 阅读 · 0 评论