《Gaussian YOLOv3》论文笔记

参考代码:Gaussian_YOLOv3 关键代码解释:Gaussian YOLOv3:一个更强的YOLOv3,现已开源! 1. 概述 导读:这篇文章着力于解决自动驾驶检测任务最后结果中的假阳性检测结果问题,文章在YOLOv3网络的坐标回归上引入一组高斯参用于表示坐标的不确定性(目标置信度与分类置信度并不能很好表征检测框的置信度),并且根据这个需求重新设计网络损失函数,从而网络在假阳性检测结果上有
相关文章
相关标签/搜索