摘要：​ 本文来自公众号“每日一醒” 目标检测任务的损失函数由两部分构成：Classification Loss和Bounding Box Regeression Loss。 ​Smooth L1 Loss L1 Loss（Mean Absolute Error，MAE） 平均绝对误差（MAE）是一种用于 阅读全文

摘要：​ 本文来自公众号“每日一醒” YOLO V4就是筛选了一些从YOLO V3发布至今，被用在各式各样检测器上，能够提高检测精度的tricks，并以YOLO V3为基础进行改进的目标检测模型。 YOLO V4在保证速度的同时，大幅提高模型的检测精度。 ​YOLOV4的改进 1、backbone：CSP 阅读全文

摘要：​ 本文来自公众号“每日一醒” ​ 在目标检测中，每张图片可能包含多个类别的多个目标。 目标检测模型的评价需要同时评价模型的定位、分类效果。 因此，在图像分类问题中常使用的 precision 指标不能直接用于目标检测。 这时 mAP 进入了人们的视野。 ​IOU IOU衡量预测框和真实框的重合程度 阅读全文

摘要：​ 本文来自公众号“AI大道理” 之前只是知道1x1的卷积核用在Inception模块中具有降维的作用，并没有认真的思考它是怎么样实现降维的，以及它还有哪些作用。 ​控制特征图的深度 1x1的卷积核由于大小只有1x1，所以并不需要考虑像素跟周边像素的关系，它主要用于调节通道数，对不同的通道上的像素点 阅读全文

摘要：​ 本文来自公众号“AI大道理” ​ yolov3训练的loss是在特征层上进行求解的。 所以不管是预测值，还是真实值都要映射到特征层上。 这是一个双向奔赴的过程。 ​loss求解 （1）输入图片进行数据增强。 （2）将图片输入yolov3网络获得三个特征层的预测结果。 （3）三个有效特征层循环计算 阅读全文

摘要：​ 本文来自公众号“AI大道理” 损失函数（误差函数）是关于模型输出和样本标签值之差的函数，通过对误差函数求导来调节权重参数。 本质：选取恰当的函数来衡量模型输出分布和样本标签分布之间的接近程度。 功能：调节权重参数 损失函数是网络学习的指挥棒，它引导着网络学习的方向——能让损失函数变小的参数就是好 阅读全文