目标检测之YOLOv3算法学习笔记

最新推荐文章于 2025-09-10 19:26:38 发布

转载最新推荐文章于 2025-09-10 19:26:38 发布 · 402 阅读

·

0

·

CC 4.0 BY-SA版权

原文链接：https://www.bilibili.com/video/BV1fW4y1e7HS/?p=38&spm_id_from=333.1007.top_right_bar_window_history.content.click&vd_source=3af5622342fd35acf6fb294e174e1bb1

文章标签：

#目标检测 #算法 #学习

本文详细介绍了Yolo-v3版本的目标检测技术改进，包括先验框数量增加到9种，采用多scale方法提高检测精度，引入残差连接优化网络结构等。此外还讨论了核心网络架构及softmax层的工作原理，并提供了Linux环境下YOLOv3的Python实践指导。

部署运行你感兴趣的模型镜像

1、Yolo-v3版本改进

在这里插入图片描述

先验框：v1版本有两种框，v2版本有5种框，v3版本有九种框

在这里插入图片描述

2、多scale方法改进与融合

在这里插入图片描述

scale变换经典方法：左图使用图像金字塔需要进行多次输入，速度太慢；右图类似于v1版本，使用单一输入，速度要快一些

在这里插入图片描述

3、残差连接

在这里插入图片描述

4、核心网络架构

在这里插入图片描述

结果如下，蓝色的为候选框：

在这里插入图片描述

5、softmax层

在这里插入图片描述

根据算出的多个 -yLn(y) 值，看哪个值大于一个标定值（如0.5），则这n+1个特征中就有哪个符合目标特征

在这里插入图片描述

6、python实践

OCR图像识别

您可能感兴趣的与本文相关的镜像

Yolo-v5

Yolo-v5

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。