- 博客(5)
- 收藏
- 关注
RSS订阅原创 图像分割技术
图像分割是指将图像分成若干互不重叠的子区域，使得同一个子区域内的特征具有一定相似性，例如颜色、亮度或纹理，不同子区域间特征呈现较为明显的差异12。其主要目的是把图像空间分成一些有意义的区域13。U-Net 是一种用于图像分割任务的深度学习模型，由 Olaf Ronneberger 等人于 2015 年提出。
2024-10-18 15:39:50
1699
原创 Yolo v5简单理解
YOLOv5（You Only Look Once version 5）是一个高效的目标检测模型，采用深度学习技术，旨在实现实时物体检测。它在准确性和速度之间达到了良好的平衡，适用于多种应用场景，如自动驾驶、视频监控和工业检测。技术上，YOLOv5使用了PyTorch框架，具有更好的可扩展性和灵活性。其结构包含了CSPNet（Cross Stage Partial Network）和FPN（Feature Pyramid Network）等先进的网络设计，以提升特征提取和模型的推理速度。
2024-10-18 15:06:39
995
原创 YOLO-V4
YOLOv4 是一种先进的目标检测算法。在网络结构方面，采用 CSPDarknet53 作为主干网络，结合 SPP 模块和 PANet 颈部网络，以及三尺度输出的头部结构。其训练策略包括 Bag of Freebies 和 Bag of Specials。Bag of Freebies 采用 CutMix、Mosaic 数据增强等技术提高模型准确度且不增加模型复杂度和推理计算量；Bag of Specials 则运用 Mish 激活函数、CIoU 损失等技巧，虽增加少许模型复杂度但显著提高模型准确度。YOL
2024-10-12 15:34:24
630
原创 YOLOv1-YOLOv3简单介绍
YOLO（You Only Look Once）是一系列具有重要影响力的目标检测算法，包括 YOLOv1、YOLOv2 和 YOLOv3。YOLOv1 将目标检测问题转化为回归问题，通过单个神经网络对整张图像进行一次处理，直接预测边界框位置和类别概率。它将输入图像划分为网格，每个网格负责预测其中的物体。虽速度快、易于训练且对背景误检测少，但存在检测精度较低、对小物体和密集物体检测效果差以及对新长宽比物体泛化性差等缺点。
2024-10-12 15:29:12
990
原创 深度学习之目标检测
目标检测是计算机视觉领域的重要任务，旨在从图像或视频中确定特定目标的位置和类别。文中介绍了目标检测的相关内容，包括目标检测的概念、常用数据集（如 VOC 和 COCO）、Ground Truth 的不同格式（YOLO (TXT)、VOC (XML)、COCO (JSON)）、评估指标（如 IoU、准确率、召回率、mean AP 等）。目标检测传统方法分为深度学习方法和非深度学习方法，深度学习方法中有 anchor box 描述方式以及 anchor-base 和 anchor-free 两类，还介绍了 tw
2024-10-10 15:21:36
1885
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人