yegeli的博客

文章目录目标检测（Object Detection）一、基本概念1. 什么是目标检测2. 目标检测的核心问题3. 目标检测算法分类1）Tow Stage2）One Stage4. 目标检测应用1）人脸检测2）行人检测3）车辆检测4）遥感检测二、目标检测原理1. 候选区域产生1）滑动窗口2）选择性搜索① 什么是选择性搜索② 选择搜索流程③ 选择搜索优点2. 数据表示3. 效果评估4. 非极大值抑制三、目标检测模型1. R-CNN系列1）R-CNN① 定义② 流程③ 效果④ 缺点2）Fast R-CNN① 定义

文章目录YOLO4论文中文版摘要1、介绍2、相关工作2.1、目标检测模型2.2、Bag of freebies2.3、Bag of specials3、方法3.1、架构选择3.2、BoF和BoS的选择3.3、进一步的改进3.4、YOLOv44、经验4.1、实验装置4.2、不同特征对分类器训练的影响4.3、不同特征对检测器训练的影响4.4、不同主干和预训练权重对检测器训练的影响4.5、不同小批量尺寸对检测器训练的影响5、结果6、结论7、感谢YOLO4论文中文版摘要据说有大量的特征可以提高卷积神经网络(C

文章目录YOLO3论文中文版摘要1.引言2. 解决方案2.1 边界框预测2.2 类预测2.3 多尺度预测2.4 特征提取器2.5 训练3.我们的做法4. 失败的尝试5.这一切意味着什么YOLO3论文中文版摘要更新YOLO啦！ 我们在设计上做了一些小的更改，使它变得更好。 我们训练了这个新的网络，它比以前的版本更准确不过比之前的稍大一些，但不用担心，它的速度依然是扛扛的。 YOLOv3在输入为320×320的图片上的检测速度是22ms ，mAP为28.2。这与SSD一样精确，但速度提高了三倍。 当使用旧

文章目录YOLO9000中文版摘要1. 引言2. 更好3. 更快4. 更强5. 结论参考文献YOLO9000中文版摘要我们引入了一个先进的实时目标检测系统YOLO9000，可以检测超过9000个目标类别。首先，我们提出了对YOLO检测方法的各种改进，既有新颖性，也有前期的工作。改进后的模型YOLOv2在PASCAL VOC和COCO等标准检测任务上是最先进的。使用一种新颖的，多尺度训练方法，同样的YOLOv2模型可以以不同的尺寸运行，从而在速度和准确性之间提供了一个简单的折衷。在67FPS时，YOLO

文章目录YOLO1中文版摘要1. 引言2. 统一检测2.1 网络设计2.2 训练2.3 推断2.4 YOLO的限制3. 与其它检测系统的比较4. 实验4. 1 与其它实时系统的比较4.2 VOC 2007错误率分析4.3 结合Fast R-CNN和YOLO4.4 VOC 2012的结果4.5 泛化能力：艺术品中的行人检测5. 现实环境下的实时检测6. 结论参考文献YOLO1中文版摘要我们提出了YOLO，一种新的目标检测方法。以前的目标检测工作重新利用分类器来执行检测。相反，我们将目标检测框架看作回归问