- 博客(2)
- 收藏
- 关注
原创 YOLO V5解读
YOLO V51.对于V4的改进1.YOLOv5在YOLOv4算法的基础上做了进一步的改进,检测性能得到进一步的提升1.自适应锚框计算。2.仍然采用Mosaic数据增强。1.1在Yolo算法中,针对不同的数据集,都会有初始设定长宽的锚框。在网络训练中,网络在初始锚框的基础上输出预测框,进而和真实框groundtruth进行比对,计算两者差距,再反向更新,迭代网络参数。Yolov5中将此功能嵌入到代码中,每次训练时,自适应的计算不同训练集中的最佳锚框值。当然,如果觉得计算的锚框效果不是很好,也
2021-12-09 17:09:23
28131
1
原创 YOLO V4详解
YOLO V4详细解读对于V3的改进之处1、主干特征提取网络:DarkNet53 => CSPDarkNet532、特征金字塔:SPP,PAN3、分类回归层:YOLOv3(未改变)4、训练用到的小技巧:Mosaic数据增强、Label Smoothing平滑、CIOU、学习率余弦退火衰减5、激活函数:使用Mish激活函数1、darknet的改进之处1.1、在激活函数上采用Mish激活函数采用了新的激活函数:其一是将DarknetConv2D的激活函数由LeakyReLU修改成了Mi
2021-11-23 16:14:27
3964
3
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