- 博客(6)
- 收藏
- 关注
RSS订阅原创 unet网络
首先，将输入图像送入收缩路径进行特征提取。在收缩路径的每一层中，通过卷积操作提取特征，然后进行池化操作降低特征图的分辨率。随着网络层次的加深，特征图的数量逐渐增多，尺寸逐渐减小，提取到的特征也越来越抽象。接着，在扩张路径中，通过反卷积操作逐步恢复特征图的尺寸，并与收缩路径中相应层次的特征图进行拼接。拼接后的特征图再经过一系列的卷积操作，进一步细化特征。最后，通过一个输出层得到分割结果。U-Net 网络是一种用于医学图像分割等领域的神经网络架构。U-Net 网络呈对称的 U 形结构。
2024-10-18 16:19:55
365
原创 YOLO系列-YOLO-V2和YOLO-V3
最小的图像尺寸为320 x 320。这样会导致收敛问题，模型不稳定，尤其是刚开始进行训练的时候，V2中并没有直接使用偏移量，而是选择相对grid cell的偏移量。10、YOLO-V2-Fine-Grained Features：最后一层时感受野太大了，小目标可能丢失了，需融合之前的特征。faster-rcnn系列选择的先验比例都是常规的，但是不一定完全适合数据集。2、多scale：为了能检测到不同大小的物体，设计了3个scale。V3中也用了resnet的思想，堆叠更多的层来进行特征提取。
2024-10-11 13:53:18
382
原创 目标检测和YOLOV1
5、常见two stage算法 经典发展线：R-CNN、SPP-Net、Fast R-CNN、 Faster R-CNN 其他：Cascade R-CNN、Guided Anchoring。经典的one-stage方法。4、COCO(JSON)格式： (Xmin, Ymin, W, H)，其中x,y,w,h均不是归一化后的数值，分别代表左上角坐标和宽、高。2、YOLO(TXT)格式： (x,y,w,h) 分别代表中心点坐标和宽、高 x,y,w,h均为归一化结果。1、类别+真实边界框坐标(x,y,w,h)
2024-10-10 14:08:32
423
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