jasonxu的博客

以下将以v3、v4、v5的顺序进行介绍并比对：1、backboneyolov3 、v4网络结构，参考：https://zhuanlan.zhihu.com/p/143747206yolov4网络结构yolov4网络结构yolov3：Darknet53，借鉴了ResNet的残差结构，使用这种结构可以让网络结构更深。yolov4：CSPDarknet53，CSP就是CSPNet论文里面跨阶段局部融合网络，CSP结构在每个res_block残差块的头尾增加连接，使特征更好...

这篇写的很好：https://zhuanlan.zhihu.com/p/150127712和YOLO V3对比,主要做了以下改变:相较于YOLO V3的DarkNet53，YOLO V4用了CSPDarkNet53 相较于YOLO V3的FPN,YOLO V4用了SPP+PAN CutMix数据增强和马赛克（Mosaic）数据增强 DropBlock正则化 等等2.1 BackBone:CSPDarknet53YOLO V4中，选择了具有CSP（Cross-stage

一文读懂Faster RCNNhttps://zhuanlan.zhihu.com/p/31426458

这篇文章的流程图很好：https://blog.youkuaiyun.com/weixin_41386168/article/details/109852176Tracking-by-Detecton 基于目标检测的结果来进行目标跟踪： 匈牙利算法（KM算法）：将前一帧中的跟踪框tracks与当前帧中的检测框detections进行关联，通过外观信息、马氏距离、或者IOU来计算代价矩阵 卡尔曼滤波：基于传感器的测量值（在目标跟踪中即目标检测器）与跟踪器的预测值，实现更精确的估计。（结合预测...

：https://blog.youkuaiyun.com/dz4543/article/details/90049377

参考网址：https://blog.youkuaiyun.com/qq_24695385/article/details/80368618LRN 局部响应归一化：参考：https://blog.youkuaiyun.com/shangyf_418/article/details/81145053现在已经不再使用LRN，改用batch normal仿照生物神经元的“侧抑制”机制，创造临近神经元的竞...

一、训练数据1、从www.tinymind.cn上下载数据集train和test2、将代码文件夹quiz-word-recog与数据放在同一目录下3、数据转换将图片转成tfRecord格式参考：https://github.com/tensorflow/models/tree/master/research/slim$ cd quiz-word-recog #转到代码所...