08 2021 档案

AI大视觉(二十) | 小目标检测的tricks汇总
摘要:​ 本文来自公众号“每日一醒” 在计算机视觉中,检测小目标是最有挑战的问题之一。 本文汇总了一些有效的策略。 ​ 为何小目标 (1)基于相对尺度 物体宽高是原图宽高的1/10以下的可以视为小目标。 目标边界框面积与图像面积的比值开方小于一定值(较为通用的值为0.03)的可以视为小目标。 (2)基于绝 阅读全文

posted @ 2021-08-24 21:56 AI大道理 阅读(3245) 评论(0) 推荐(0) 编辑

AI大视觉(十九) | Yolo v3、Yolo v4、yolo v5网络结构图集
摘要:本图集来自公众号“每日一醒” 无码原图请在公众号输入“yolo系列图集”获得。 ​ YOLO V3的网络结构图 ​ YOLO V4的网络结构图 ​ YOLO V5的网络结构图 ​ ​ —————— 浅谈则止,细致入微AI大道理 扫描下方“每日一醒”,选择“关注”公众号 ——————————————— 阅读全文

posted @ 2021-08-09 16:48 AI大道理 阅读(632) 评论(0) 推荐(0) 编辑

AI大视觉(十八) | Yolo v5的改进思想
摘要:​ 本文来自公众号“每日一醒” ​ Yolo v5一共有四个模型,分别为Yolov5s、Yolov5m、Yolov5l、Yolov5x。 Yolov5s网络最小,速度最少,AP精度也最低,如果检测的以大目标为主,追求速度,倒也是个不错的选择。 其他的三种网络,在此基础上,不断加深加宽网络,AP精度也 阅读全文

posted @ 2021-08-09 16:33 AI大道理 阅读(5449) 评论(0) 推荐(2) 编辑

AI大视觉(十七) | PANet(路径聚合网络)
摘要:​ 本文来自公众号“每日一醒” ​ 目标检测或者实例分割不仅要关心语义信息,还要关注图像的精确到像素点的浅层信息。 所以需要对骨干网络中的网络层进行融合,使其同时具有深层的语义信息和浅层的纹理信息。 ​ PANet整体结构 PANet(Path Aggregation Network)最大的贡献是提 阅读全文

posted @ 2021-08-04 21:13 AI大道理 阅读(5001) 评论(0) 推荐(0) 编辑

AI大视觉(十六) | SPP(空间金字塔池化)
摘要:​ 本文来自公众号“每日一醒” ​ ​ SPP 对于一个CNN模型,可以将其分为两个部分: 前面包含卷积层、激活函数层、池化层的特征提取网络,下称CNN_Pre, 后面的全连接网络,下称CNN_Post。 许多CNN模型都对输入的图片大小有要求,实际上CNN_Pre对输入的图片没有要求,可以简单认为 阅读全文

posted @ 2021-08-03 15:41 AI大道理 阅读(1421) 评论(0) 推荐(0) 编辑

导航