当前位置：网站首页>10、YOLO系列

10、YOLO系列

2022-06-28 23:56:00 【C--G】

简介

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

指标分析

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

YOLO-V1

在这里插入图片描述

  • 核心思想

在这里插入图片描述

  • 网络架构

在这里插入图片描述
在这里插入图片描述

  • 损失函数

在这里插入图片描述

  • NMS(非极大值抑制)

在这里插入图片描述

  • 总结
    在这里插入图片描述

YOLO-V2

在这里插入图片描述

  • Batch Normalization

在这里插入图片描述

  • 更大分辨率
    在这里插入图片描述
  • 网络结构
    在这里插入图片描述
  • 聚类提取先验框
    在这里插入图片描述
  • Anchor Box
    在这里插入图片描述
  • Directed Location Predicti
    在这里插入图片描述
    在这里插入图片描述
  • 感受野
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
  • Fine-Grained Feature
    在这里插入图片描述
  • Multi-Scale
    在这里插入图片描述

YOLO-V3

在这里插入图片描述
在这里插入图片描述

  • 多scale
    在这里插入图片描述
  • scale变换经典方法
    在这里插入图片描述
    在这里插入图片描述
  • 残差连接-为了更好的特征
    在这里插入图片描述
  • 核心网络架构
    在这里插入图片描述
    在这里插入图片描述
  • 先验框设计
    在这里插入图片描述
    在这里插入图片描述
  • softmax层替代
    在这里插入图片描述

下载YOLO-V3源码

pip install labelme==4.5.9
pip install pyqt5
pip install pillow==4.0.0
原网站

版权声明
本文为[C--G]所创，转载请带上原文链接，感谢
https://blog.csdn.net/weixin_50973728/article/details/125467701

边栏推荐

猜你喜欢

随机推荐