- 博客(9)
- 收藏
- 关注
RSS订阅原创 Tensorflow2搭建YoloV7目标检测平台
YoloV7所使用的主干特征提取网络具有两个重要特点：1、使用了多分支堆叠模块，这个模块其实论文里没有命名，但是我在分析源码后认为这个名字非常合适，在本博文中，多分支堆叠模块如图所示。看了这幅图大家应该明白为什么我把这个模块称为多分支堆叠模块，因为在该模块中，最终堆叠模块的输入包含多个分支，左一为一个卷积标准化激活函数，左二为一个卷积标准化激活函数，右二为三个卷积标准化激活函数，右一为五个卷积标准化激活函数。四个特征层在堆叠后会再次进行一个卷积标准化激活函数来特征整合。return y。
2025-03-22 23:06:00
949
原创 零基础入门matlab
B = 1:2:9 %第二个参数为步长，不可缺省B = 1(起始值):2(步长):9(最后值)C = repmat(B,3,2) %重复执行3行2列D = ones(2,4) %生成一个2行4列的全1矩阵。
2025-03-18 13:15:29
586
原创 第3章 YOLOv2目标检测算法原理
YOLOv2（YOLO9000），预测更准确，速度更快，识别物体更多优点：1.缓解YOLOv1中定位不准确和检测召回率较低的问题缺点：1.小目标检测效果较差2.整体检测效果有待提高。
2025-03-09 18:59:43
872
原创 第五章VGG原理与实战
特点：1.深度更深（在ResNet出来后，这一点被反驳了），参数更多，效果更好2.小尺寸的卷积核使参数更少，而且效果也不比5x5的差- 参数数量计算公式为：参数数量=（卷积核大小*输入通道数+偏置项）*输出通道数3.块可以有效设计复杂网络。
2025-03-07 15:45:32
405
原创 第四章LeNet与AlexNet原理与实战
return x数据集采用的是Fashion_MINIST，一共有70000张数据，其中60000张用来训练，10000张用来测试，每张图都是28281的灰度图，最后分成10个类别train_loader = Data.DataLoader(dataset=train_data, # 数据集# 获得一个Batch的数据breakbatch_x = b_x.squeeze().numpy() # 将四维张量移除第1维，并转换成Numpy数组。
2025-03-05 02:15:55
727
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人