论文(2) YOLO v2

时间 2020-12-24

原文原文链接

YOLO v2 @(目标检测) YOLO通过整合备选框选择和特征检测两个部分，成功的实现了end-to-end的训练，降低了复杂度并且减少了计算量，达到了实时的效果。但是仍然拥有缺陷：定位误差，YOLO采用的网络结构中含有全连接层，使得输入图片分辨率固定，对物体尺寸不敏感，大量的位置信息被丢失掉。并且在最后一层中，每个grid里面只预测两个obj，一个类，这让YOLO网络天然对存在大量obj的图

>>阅读原文<<

1. YOLO v2论文理解
2. YOLO v2 / YOLO9000论文详解
3. yolo v2论文综述
4. YOLO v2 论文笔记
5. 【论文阅读】YOLO-v2: YOLO9000: Better, faster, stronger
6. YOLO-V2论文学习（超详细）
7. YOLO v2
8. YOLO V2
9. YOLO-V2
10. YOLO系列之yolo v2
更多相关文章...
• CAP理论是什么？ - NoSQL教程
• Thymeleaf扩展2(Say Hello) - Thymeleaf 教程
• Scala 中文乱码解决
• 三篇文章了解 TiDB 技术内幕——说存储