【深度学习】论文调研 基础知识补充

本文分享了使用YoloV3进行目标检测的实际经验,并计划深入探讨Yolo系列模型的基本框架、K-means聚类算法生成Anchor Boxes等主题。此外还将涵盖ResNet、RCNN、FPN网络等内容。

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

最近训练了一下yolov3做自己的数据集,作为目标检测一个很经典的网络在视觉领域算是一个里程碑式的存在。
细抠这篇代码还是需要一些深度学习背景的,近期都需要补充一些基本知识,就借一些零碎时间来补充一下,先把我现在看到的需要闲暇时间去做的一些事情写下来,算是给自己及一个监督。

  • yolov1基本思路
  • yolov2基本框架
  • yolov3基本框架及代码剖析
  • kmeans聚类算法生成anchor boxes
  • resnet
  • rcnn
  • FPN网络
  • ros的神经网络封装
  • ssd

涉及的内容不少,之后慢慢补充吧。

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