YOLO v1、v2、v3

时间 2020-12-27

标签学习笔记目标检测繁體版

原文原文链接

YOLO 流程利用整张图作为网络的输入，darknet网络特征提取，其中经过五次下采样，还是用了残差结构。(目的是使网络结构在很深的情况下，仍能收敛，继续训练下去。)然后输出的尺寸是13×13，然后两个分支经过DBL特征提取，与下采样的特征图相加，得到不同尺度的特征图。即输出3个不同尺度的特征图，每个尺度的特征图负责预测不同大小的目标。每个特征图对应3种anchor大小不同的负责预测目标。最初图

>>阅读原文<<

1. YOLO系列（V1-V2-V3）
2. YOLO V1,V2,V3总结
3. YOLO系列：V1,V2,V3,V4简介
4. 目标检测：YOLO系列v1、v2、v3
5. YOLO V1-V3 loss
6. YOLO V1到V3
7. 从YOLO到YOLO v2再到YOLO v3
8. 经典目标检测算法复现：SSD、YOLO-v1、YOLO-v2、YOLO-v3
9. mobilenet v1 v2 v3区别
10. inception-v1,v2,v3,v4详解
更多相关文章...
• PHP array_reduce() 函数 - PHP参考手册
• PHP array_map() 函数 - PHP参考手册
• Docker容器实战(八) - 漫谈 Kubernetes 的本质