[深度学习 - 目标检测] YOLO系列(三):YOLO-V2

这篇博客探讨了如何利用COCO数据集的真实标注框通过K-means聚类,将yolo-v2的先验框设置为5类,重点关注中心点保持和Maxpool操作对特征提取的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >




  1. 实际输入416 * 416:
  • 32的倍数,且除以32商为奇数:希望得到的结果有一个实际的中心点.
  1. 降采样:
  • Maxpool

  1. yolo-v1:两种先验框, B =2;
  2. yolo-v2: 聚类提取先验框, B = 5;
  • 先把coco数据集中真实的标注框,使用k-means做一个聚类,yolo-v2k = 5,根据上左图坐标关系查看,当k = 5时,数据比较合适。



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值