目标检测中YOLO系列算法发展历史回顾


目标检测简介

  • 图像分类:在图像分类中仅仅对图像所属的类别进行判断。
  • 目标检测:除了对图像的类别进行判断外,还需要对图像中目标的位置进行判定,并通过置信度的设定过滤掉一些误检目标。
  • 语义分割:找出图像中同一类物体目标所在的具体位置。
  • 实例分割:不仅要区分语义分割中的位置外,还要区分同一类目标的位置。

one-stage VS two-stage

one-stage

优点:速度快

       避免背景错误,产生false positive(也就是说误检率低)

       学到物体的泛化特征

缺点:精度低(定位、检出率)

       小物体检测效果不好

two-stage

优点:精度高(定位、检出率)

       Anchor机制(提高模型性能的一个重要机制,能够考虑到不同尺度的区域)

       共享计算量(作用就是减小网络模型,相当于对模型进行了正则化,对于防止模型的过拟合和模型的训练都有一定的意义)

缺点:速度慢

       训练时间长

       误报高

评论
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

打赏作者

shiter

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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