目標檢測：YOLO V3（視頻講解）

原創 那年聪聪 2020-07-03 01:04

與其看文章，不如先看一下這個講解很清晰的視頻：https://www.bilibili.com/video/av77348259?p=2

發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章

目標檢測：各種網絡結構對比

1、通常的CNN網絡結構如下圖所示                      圖1 上圖網絡是自底向上卷積，然後使用最後一層特徵圖進行預測，像SPP-Net，Fast R-CNN，Faster R-CNN就是採用這種方式，即僅採用網絡最

那年聪聪 2020-07-03 02:02:07

輕量級網絡：MobileNet和SqueezeNet的比較

SqueezeNet：2016年 MobileNet ：2017年Google 同樣把是Alexnet參數量1/50的參數量，mobilenet速度比alexnet快10倍，而squeezenet沒有太大提升。單兩者都是用了卷積拆分的方

那年聪聪 2020-07-03 01:04:20

損失函數：Focal Loss

一、正負樣本不均衡問題 Class Imbalance(正負樣本不平衡) 帶來的問題就是：樣本中會存在大量的easy examples，且都是負樣本(屬於背景的樣本)。這樣，easy negative examples會對loss起主要貢

那年聪聪 2020-07-03 01:04:20

目標檢測——優化策略

1、對於基於anchor的檢測器，由於大步幅導致的低召回率可以通過降低 positive anchor boxes 所需的IOU分數來緩解，即修改訓練時的參數overlap; 2、

那年聪聪 2020-07-03 01:04:20

目標檢測：各個檢測網絡的差異

two-stage：R-CNN、Fast R-CNN、Faster R-CNN將檢測結果分爲兩部分求解：物體類別（分類問題），物體位置即bounding box（迴歸問題）; one-stage：YOLO將物體檢測作爲一個迴歸問題進行求解

那年聪聪 2020-07-03 01:04:20

損失函數：Center Loss

ECCV2016的文章《A Discriminative Feature Learning Approach for Deep Face Recognition》 主要爲了進一步區分人臉。 code：https://github.com

那年聪聪 2020-07-03 01:04:20

目標檢測——存在的問題

1、anchor box會帶來一些問題，比如模型的輸出變得非常稠密，因爲對應特徵圖中每個anchor box，都要輸出一個4元組的位置預測和對應這個位置的物體分類的預測分數（C類），這樣就會生成(C+4)×H×W×6個輸出。考慮在多個特徵

那年聪聪 2020-07-03 01:04:09

目標檢測：anchor box

目前，幾乎所有流行的通用目標檢測方法，如經典的兩步方法Faster-RCNN，一步方法SSD和YOLO等，都需要根據經驗設計不同尺度（可以看成是物體面積）和高寬比的anchor box（有的方法中叫做default box或prior b

那年聪聪 2020-07-03 01:04:09

用兩個3*3代替5*5卷積的優點

問題： 1、對於5*5和兩個3*3的計算量，我們可以比較一下。 2、我們假設輸入圖像大小是5*5*1,最終都需要將其變成1*1*1. 3、那麼對於5*5的核（暫時用1個），我們的總參數是25，總的乘法計算數爲1*5*5*1=25; 4、而

那年聪聪 2020-07-03 01:04:09

深度學習之Tensorflow框架實現VGG/RNN網絡/驗證碼生成與識別

①實現VGG網絡模型 cwd = os.getcwd() #獲取當前路徑 VGG_PATH = cwd + "/data/imagenet-vgg-verydeep-19.mat" data = scipy.i

强仔fight 2020-06-30 20:56:39

深度學習1感知機及實現簡單反向傳播網絡

感知機是什麼？ 感知機接受多個輸入信號，輸出一個信號 感知機的信號只有“流/不流”兩種取值，0對應“不傳遞信號”，1對應“傳遞信號”。 輸入信號在被送往神經元時，會被分別乘以固定的權重。神經元會計算傳送過來的信號的總和，只有當這個

强仔fight 2020-06-30 20:56:39

深度學習之Caffe框架及製作數據源

caffe框架： 結構： Blob:stores data and derivatives Layer: transform bottom blobs to top blobs Net:Many layers;computes g

强仔fight 2020-06-30 20:56:39

搭建CNN識別你的貓貓狗狗

本文爲Udacity優達學城深度學習課程筆記第三篇，使用圖像增強對貓狗圖像進行分類。 課程地址：https://classroom.udacity.com/courses/ud187 最終目的是訓練CNN模型，使其能識別上面的小

光于前裕于后 2020-06-25 06:24:00

吳恩達 [deeplearning.ai 神經網絡和深度學習] 第二週編程作業總結

本文參考：https://blog.csdn.net/u013733326/article/details/79639509 進入研究生階段後，首先意識到的是需要儘快對神經網絡進行熟悉與學習，於是參加了網易雲課堂吳恩達老師發佈的一系列課程

yvetteQXX 2020-06-17 16:25:20

【吳恩達-神經網絡與深度學習】第一週：深度學習概論

目錄 什麼是神經網絡 用神經網絡進行監督學習 爲什麼深度學習會興起 什麼是神經網絡 以房屋價格爲例，輸入房屋尺寸，經過神經元，輸出價格。這是一個單神經元。 【神經元節點先計算線性函數（z = Wx + b），再計算激活。】 ReLU函數

倏然希然_ 2020-06-16 06:15:55