摘要：
1， 准备工作 git clone https://github.com/ultralytics/yolov5 # 下载 yolov5 项目 python3 -c "from yolov5.utils.google_utils import gdrive_download; gdrive_downl 阅读全文
摘要：
一，YOLOv4原文翻译 转自：YOLOv4原文翻译 - v4它终于来了！ 论文原文：https://arxiv.org/abs/2004.10934 源码：https://github.com/AlexeyAB/darknet 0 摘要 目前有很多可以提高CNN准确性的算法。这些算法的组合在庞大数 阅读全文
摘要：
YOLOv3没有太多的创新，主要是借鉴一些好的方案融合到YOLO里面。不过效果还是不错的，在保持速度优势的前提下，提升了预测精度，尤其是加强了对小物体的识别能力。本文主要讲v3的改进，由于是以v1和v2为基础，关于YOLOv1和YOLOv2的分析请移步YOLOv1 深入理解和YOLOv2/YOLO 阅读全文
摘要：
一直拖着没研究大名鼎鼎的残差网络，最近看YOLO系列，研究到YOLOv3时引入了残差网络的概念，逃不过去了，还是好好研究研究吧~ 一，引言 残差网络是深度学习中的一个重要概念，这篇文章将简单介绍残差网络的思想，并结合文献讨论残差网络有效性的一些可能解释。 以下是本文的概览： 动机：深度神经网络的“两 阅读全文
摘要：
作者提出的多尺度的object detection算法：FPN（feature pyramid networks）。原来多数的object detection算法都只是采用顶层特征做预测，但我们知道底层的特征语义信息比较少，但是目标位置准确；高层的特征语义信息比较丰富，但是目标位置比较粗略。另外虽然 阅读全文
摘要：
YOLOv2/YOLO9000 深入理解 YOLOv2相对v1版本，在继续保持处理速度的基础上，从预测更准确（Better），速度更快（Faster），识别对象更多（Stronger）这三个方面进行了改进。其中识别更多对象也就是扩展到能够检测9000种不同对象，称之为YOLO9000。 本文讨论YO 阅读全文
摘要：
BN是由Google于2015年提出，这是一个深度神经网络训练的技巧，它不仅可以加快了模型的收敛速度，而且更重要的是在一定程度缓解了深层网络中“梯度弥散”的问题，从而使得训练深层网络模型更加容易和稳定。所以目前BN已经成为几乎所有卷积神经网络的标配技巧了。 从字面意思看来Batch Normaliz 阅读全文
摘要：
1，全卷积网络（FCN）的简单介绍 1.1 CNN与FCN的比较 CNN：在传统的CNN网络中，在最后的卷积层之后会连接上若干个全连接层，将卷积层产生的特征图（feature map）映射成为一个固定长度的特征向量。一般的CNN结构适用于图像级别的分类和回归任务，因为它们最后都期望得到输入图像的分类 阅读全文
摘要：
导言 目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小，是机器视觉领域的核心问题之一。由于各类物体有不同的外观，形状，姿态，加上成像时光照，遮挡等因素的干扰，目标检测一直是机器视觉领域最具挑战性的问题。本文将针对目标检测（Object Detection）这个机器视觉中的经典 阅读全文
摘要：
转自：《目标检测》-第2章-Backbone与Detection head 这里简单介绍以下目标检测网络构成的两个基础部分：Backbone 和 Detection head. 图一，目标检测网络的两个重要组成部分：backbone 和 detection head 一，Backbone 和 Det 阅读全文