qq_35914625的博客

说说优秀的目标识别yolov3算法前言论文地址github地址预备知识Yolov3边框预测Yolov3边框解码代码讲解预测部分主干特征提取darkNet53特征金字塔构建，获得预测结果预测结果的解码（可以看预备知识）训练部分真实框的编码loss值计算前言yolo系列一直是我喜欢的算法，虽然yolov4出来了很久了，但是yolov3还是具有很大的研究空间。今天我们来解析下yolov3.（虽然我以前写过，但是我最近对这个算法有了新的理解）论文地址https://pjreddie.com/media/f

前言faster-rcnn做为一款优秀的two-stage目标检测，它的思想在很多地方都能看到。今天我们就来说说吧！！！论文地址https://arxiv.org/abs/1506.01497github地址https://github.com/yanjingke/faster-rcnn-keras什么是目标检测？图片分类任务，就是算法对其中的对象进行分类。而今天我们要了解构建神经网络的另一个问题，即目标检测问题。这意味着，我们不仅要用算法判断图片中是不是一辆汽车， 还要在图片中标记出它的位置

说说早期目标检测---------ssd那些事前言论文地址githubssd的优点学习前言a[::-1]ssd---anchorSSD代码讲解1.预测部分获得预测结果预测框解码2.训练部分真实框编码loss值计算总结前言在2015年的时候，ssd作为一匹黑马杀出，他的贡献给深度学习one-stage开辟新纪元。今天我来讲解下我半年前学的第一个优秀的目标检测算法ssd。ps：回想，当年入门确实艰难。论文地址https://arxiv.org/abs/1512.02325githubhttps://

说说优秀的目标retinanet那些事前言论文地址github地址retinanet---anchor解读前言retinanet是我以前学了很久的目标检测框架，我将来剖析下它的论文和代码。ps：本来想写目标跟踪的，发现我太菜了，相关滤波的算法根本看不懂，准备好好学习下统计学。论文地址github地址retinanet—anchor解读anchor的设置，相当于提前在图片上做预选，通常在生成anchor时，每一张图片上将会对应成千上万的anchor也就是候选框，可想而知，如此庞大的候选框数量，肯定