demonszjin

论文地址：YOLOv2 论文概述 YOLOv2在YOLOv1的基础上进行改进，使用一种全新的多尺度的训练方法在变化的输入尺寸上进行训练，在运行速度和精度之间达到极好的平衡。在67FPS情况下，YOLOv2在VOC2007训练集上达到76.8mAP。在40FPS，YOLOv2在VOC2007上达到78.6mAP。在保持实时性的效果下，超过当前的最先进技术:使用ResNet的Faster R-CN...

论文地址：YOLOv3 优势之处 YOLOv3采用全新的网络darknet-53来代替YOLOv2的darknet-19，该网络更大但精度更高，同时仍足够快：在320×320320\times320320×320的输入下，YOLOv3在22ms内检测完毕并且具有28.2的mAP,在精度上和SSD一样高但在速度上使他的三倍。当在原来.5 IOU mAP的检测标准上，YOLOv3表现得十分出色，在...

论文链接：https://arxiv.org/abs/1506.02640 YOLO_v1阅读报告 文章目录YOLO_v1阅读报告摘要统一检测网络设计训练推断局限性实验与结论个人解读 摘要 ​ 本文提出一种新的目标检测算法YOLO，不同于先前的检测算法通过重新利用分类器进行目标检测，本文提出的YOLO算法将目标检测问题看作回归问题从空间上定位边界框同时预测相应类别的概率，使用单个神经网络通过一次...