- 博客(5)
- 收藏
- 关注
RSS订阅原创 博客摘录「 特征金字塔（Feature Pyramid Networks ）」2024年4月8日
不同大小的目标都经过了相同的降采样比例后会出现较大的语义代沟，最常见的表现就是小目标检测精度比较低。特征金字塔具有在不同尺度下有不同分辨率的特点，不同大小的目标都可以在相应的尺度下拥有合适的特征表示，通过融合多尺度信息，在不同尺度下对不同大小的目标进行预测，从而很好地提升了模型的性能。特征金字塔是目前用于目标检测、语义分割、行为识别等方面比较重要的一个部分，对于提高模型性能具有非常好的表现。
2024-04-08 10:05:28
119
原创 博客摘录「 目标检测评估指标mAP：从Precision,Recall,到AP50-95【未完待续】」2024年4月7日
阈值0.3——TP=len([#1, #2，#4， #5， #6， #9, #11, #13, #17, #19])=10;
2024-04-07 11:20:37
589
原创 博客摘录「 制造业中的微小缺陷检测——应用场景分析与算法选择(YoloV8/CANet)」2024年4月7日
加权双向特征金字塔网络(BIFPN)BIFPN在BiFPN的基础上进行了改进，引入了特征金字塔网络中的特征融合操作。双向特征金字塔网络(BiFPN)传统的特征金字塔网络在融合特征时只使用了上采样和下采样的操作，而没有引入跳跃连接。特征金字塔网络(FPN)特征金字塔网络是一种常用的目标检测算法中的模块，它通过自上而下和自下而上的方式融合来自不同层级的特征。在表面缺陷检测中测试，现有的Yolov8的目标检测与目标分割对小目标的处理并不理想，但引入BIFPN层之后，算法在小目标检测方面有了很大的提升。
2024-04-07 09:47:56
302
原创 博客摘录「 一文了解GPU并行计算CUDA」2023年10月31日
如果有很多核函数要处理不同的数据呢？答案当然不是，此时我们就要关注硬件，引入了wrap概念，GPU上有很多计算核心也就是Streaming Multiprocessor (SM)，在具体的硬件执行中，一个SM会同时执行一组线程，在CUDA里叫warp，直接可以理解这组硬件线程会在这个SM上同时执行一部分指令，这一组的数量一般为32或者64个线程。意思就是假如一个SM同时能执行64个线程，但一个block有1024个线程，那这1024个线程是分1024/64=16次执行。
2023-10-31 15:43:44
93
1
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