- 博客(4)
- 收藏
- 关注
RSS订阅原创 UNet 算法
UNet 是一种卷积神经网络（CNN），最早由 Olaf Ronneberger 等人在 2015 年提出，专门用于生物医学图像分割。UNet 的结构形似字母 "U"，由一个对称的编码器-解码器架构组成。编码器负责捕捉图像的特征，解码器负责将这些特征转换为与输入图像尺寸相同的分割图像。其特点是通过跳跃连接（skip connections）结合编码器和解码器的对应层，能够有效地保留高分辨率的细节信息。
2024-10-18 16:07:35
1875
原创 YOLOv4 与 YOLOv5
YOLOv5 提供了多个模型规模选项，包括 YOLOv5s（small），YOLOv5m（medium），YOLOv5l（large）和 YOLOv5x（extra large），适合不同的计算资源环境。虽然 YOLOv5 的很多概念沿用了 YOLOv4 的设计思路，但其通过 PyTorch 框架的实现简化了开发和部署流程，并且在移动端、嵌入式设备等对计算资源要求较高的场景中，展示了较为优异的表现。：在某些高精度要求的任务中，YOLOv5 的精度可能略逊于 YOLOv4，特别是在复杂的场景下。
2024-10-18 13:43:51
731
原创 YOLOv2 与 YOLOv3
在 YOLO 出现之前，许多物体检测算法都是基于区域建议（region proposal）的方法，如 RCNN、Fast RCNN 和 Faster RCNN。这些方法通过先生成大量的候选框，再对每个候选框进行分类，尽管精度较高，但计算复杂度较大，难以实现实时性。YOLO 的出现改变了这种局面，它通过将物体检测问题转化为一个回归问题，直接预测边界框和类别。YOLO 的创新之处在于它将整个图像作为输入，一次性输出所有物体的类别和位置，不需要额外的候选框生成步骤，大大提高了检测速度。
2024-10-18 13:42:29
687
原创 图像检测(过程性)
视觉图像检测是计算机领域中非常重要的任务，它不仅能够识别图像中的目标，还能够定位这些目标的位置。学习这个主题让我对深度学习、图形神经网络（CNN）以及各种先进算法得到了更深入的理解。
2024-10-10 19:26:50
444
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