木盏

yolo_v3是我最近一段时间主攻的算法，写下博客，以作分享交流。 看过yolov3论文的应该都知道，这篇论文写得很随意，很多亮点都被作者都是草草描述。很多骚年入手yolo算法都是从v3才开始，这是不可能掌握yolo精髓的，因为v3很多东西是保留v2甚至v1的东西，而且v3的论文写得很随心。想深入了解yolo_v3算法，必须先了解v1和v2。以下是我关于v1和v2算法解析所写的文章： v1算法...

yolo v1发表在CVPR2016上，是经典的one-stage检测算法。论文标题: 《You Only Look Once: Unified, Real-Time Object Detection》 论文地址：https://arxiv.org/pdf/1506.02640.pdfv1是yolo系列的开山之作，以简洁的网络结构，简单的复现过程(作者给出详细教程)而受到CVer...

v2算法在v1的基础上可以说是飞跃性提升，吸取诸子百家之优势。同时，v2的论文也是yolo系列论文里干货最多的文章。美中不足的是，v2论文里并没有像v1那种网络结构图(如图1所示)。论文标题:《YOLO9000: Better, Faster, Stronger》 论文地址: yolo_v2的一大特点是可以”tradeoff“，翻译成中文就是”折中”。v2可以在速度和准确率上进行...

实时目标检测一直是yolo系列的追求之一，从yolo v1开始，作者就在论文中强调real-time。在后期的v2和v3的发展过程中，慢慢在P&R(尤其是recall rate)上下不少功夫。同时，计算量的增大也牺牲了yolo的实时性。tiny-yolo是轻量级的yolo，在不那么要求mAP的场景下，tiny-yolo可以作为v2甚至v3的代替结构。事实上，对于无GPU的设备来讲，ti...