06 2021 档案
摘要：由第二步可以得到三个特征层，分别为(N,13,13,255)、(N,26,26,255)、(N,52,52,255)，每一个有效特征层将整个图片分成与其长宽对应的网格，如(N,13,13,255)的特征层就是将整个图像分成13x13个网格； 然后从每个网格中心建立多个先验框，这些框是网络预先设定好的
阅读全文
摘要：from collections import OrderedDict import torch import torch.nn as nn from nets.darknet import darknet53 yolov3的结构框图 首先是最后一层输出的特征图，经过五次卷积处理后，作为yolo预测
阅读全文
摘要：YOLOv3网络结构的搭建 import math from collections import OrderedDict import torch import torch.nn as nn 1. 残差块的搭建 class BasicBlock(nn.Module): def __init__(s
阅读全文
摘要：R-CNN（regions with CNN features） RCNN是RBG在2014年提出的一种目标检测算法，RCNN借助CNN良好的特征提取和分类性能，通过RegionProposal方法实现目标检测。 RCNN采用的特征区域提取的方法为selective search，通过计算区域集中每
阅读全文
摘要：1 x 1卷积的作用： 1. 引入非线性：相当于全连接过程，加入非线性，增加了网络的非线性，使得网络可以表达更复杂的特性。 2. 特征降维： 对通道数进行放缩，减少参数，减小计算量。 如上图所示，加入1x1卷积后，计算量得到大大减少。 空洞卷积：可以获得更大的特征图，更加密集的数据，在相同的感受野下
阅读全文
