manonggou的博客

YOLOv3: An Incremental Improvement一、改进点1、Bounding Box Prediction对于每个anchor box预测值为: 4 + 1 + C。4表示anchor box的中心点坐标、框高及框长同Yolo_v2，训练损失使用平方误差损失计算。1 表示anchor box是否有物体的置信分数（objectness score），使...

YOLO9000: Better, Faster, Stronger一、改进点Yolo_v1相比其他目标检测算法主要的缺点是位置框预测不准确、召回率低。因此Yolo_v2引入了很多新的idea，主要是在保证检测精度的前提下解决这两个问题。主要是分为三个方面：Better、Faster和Stronger。1、BetterBatch Normalization。在所有卷积...

Yolo_v1：You Only Look Once: Unified, Real-Time Object Detection一、概述yolo_v1是one stage目标检测算法，将原始图片平均分为S*S个网格（grid），基于基网络提取的最高层特征使用两个全连接层对每个grid预测物体框bounding box的位置及包含每个物体类别得分。在论文中将原始图片分割为7*7个grid，对图...

论文链接：https://arxiv.org/pdf/1605.06409v2.pdf理解参考:http://blog.youkuaiyun.com/kekong0713/article/details/69919093https://blog.youkuaiyun.com/tuzixini/article/details/78754618一、改进点1、使用全卷积网络，没有全连接层。在Faster RCN...