Yolo学习笔记
Yolo目标检测的基本思想
- step1：重定义图片大小
- step2：用卷积神经网络进行处理
- step3：后处理，做非极大抑制
- 将图片划分为s * s 的网格，然后得出边界框 + 置信度 和类别概率图，再根据这两者，得到最终的检测。
- 红色的小格子，用来检测狗。从预测特征图出发，我们可以得到物体的边界框的坐标、物体性分数、分类得分。
- 不同尺度，有助于融合不同尺度的特征以及检测小物体。
- 经过卷积神经网络后，可以得到不同大小的特征图
- 存在冗余预测框，使用非极大抑制，去掉冗余的预测框。
Yolov5的网络架构与组件
本文作者：风归去
本文链接：https://www.cnblogs.com/N-lim/p/18031783
版权声明：本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· 被坑几百块钱后，我竟然真的恢复了删除的微信聊天记录！
· 没有Manus邀请码？试试免邀请码的MGX或者开源的OpenManus吧
· 【自荐】一款简洁、开源的在线白板工具 Drawnix
· 园子的第一款AI主题卫衣上架——"HELLO! HOW CAN I ASSIST YOU TODAY
· Docker 太简单，K8s 太复杂？w7panel 让容器管理更轻松！