YoloV4模型解析及TensorRT加速

本文探讨了Yolo目标检测模型的发展历程,从YoloV1到YoloV4,重点解析了YoloV4的核心特性,并提及使用TensorRT进行效率提升。

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

一. Yolo演化史

Faster RCNN诞生以后,目标检测准确度得到保证,但是two-stage的方式存在天然的效率缺陷,SSD和Yolo填补了这一空白,Yolo一共经历了4个版本。

模型 数据增强/训练 Backbone 网络特征层 性能对比 备注
Yolo v1   Lenet - maxPooling 每个点支持2个box    
Yolo v2

-随机裁剪、旋转

-色调、饱和度、曝光偏移

-混合训练集策略(coco + imagenet)

-多尺度训练

-对Anchor Box维度聚类

Darknet19

-增加BN层、去dropout 

-

评论 6
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