文章作者：Tyan博客：noahsnail.com  |  优快云  |  简书声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translationYou Only Look Once: Unified, Real-Time Object Detection摘要我们提...

文章作者：Tyan博客：noahsnail.com  |  优快云  |  简书声明：作者翻译论文仅为学习，如有侵权请联系作者删除博文，谢谢！翻译论文汇总：https://github.com/SnailTyan/deep-learning-papers-translationYOLO9000: Better, Faster, Stronger摘要我们引入了一个先进的实时目标检测系统YOLO90...

看了很多论文，始终过后即忘，毕竟不是自己亲自写出来的，还是得来终觉浅。总述：one-stage 方法，将一幅图像划分栅格s×s，每个栅格负责检测回归落在该栅格中的目标。在输出层回归位置和类别，cell预测类别，边框预测位置。速度快，45fps。1主要流程：输入图像224×224进行训练，划分成7×7的cells。检测时候将图像resize到448×448， 有助于提升map。每个网格cell预测B...

YOLOv2主要在一些经验和tip上对yolov1进行改进，在保持速度不变的前提下提升检测精度，主要体现在三个方面：1.Better 更精确1）batch normalization神经网络学习过程本质就是为了学习数据分布,一旦训练数据与测试数据的分布不同,那么网络的泛化能力也大大降低;另外一方面，一旦每批训练数据的分布各不相同(batch 梯度下降),那么网络就要在每次迭代都去学习适应不同的分布...

不得不提作者的这篇论文文风.....文风.....“朴实”。恩，读论文的时候领导看我笑以为在看段子。YOLOv3对于v2的改进最实质的进步是，resnet引入加深网络结构和fpn的多尺度引入加强了对小目标的检测能力。多级预测：终于为yolo增加了top down 的多级预测，解决了yolo颗粒度粗，对小目标无力的问题。v2只有一个detection，v3一下变成了3个，分别是一个下采样的，feat...