摘要：
yolov5——训练策略 前言 1. 训练预热——Warmup 1.1 what是Warmup 1.2 why用Warmup 1.3 常见Warmup类型 1.4 yolov5中的Warmup 2. 自动调整锚定框——Autoanchor 2.1 what是anchor 2.2 why用anchor 阅读全文
posted @ 2023-07-07 15:13
海_纳百川
阅读(2172)
评论(0)
推荐(0)
摘要：
一、背景介绍 Focus层是在YOLOv5中被提出来的。感觉像是一种特殊的下采样的方式。 1.下采样 下采样就是一种缩小图像的手法，用来降低特征的维度并保留有效信息，一定程度上避免过拟合，都是以牺牲部分信息为代价，换取数据量的减少。下采样就是池化操作。但是池化的目的不仅如此，还需要考虑旋转、平移、伸 阅读全文
posted @ 2023-07-07 10:32
海_纳百川
阅读(1637)
评论(1)
推荐(0)
摘要：
图像任务中，传入到模型的图像尺寸往往是固定的，十万个为什么由此发问： 1 那为什么是固定的？ 模型网络中含有全连接层的时候，输入尺寸只能固定大小，因为全连接网络的输入feature尺寸是固定的。一些模型网络就不一定需要尺寸固定，比如FCN网络中全是卷积网络而没有连接网络。 yolov5比较特殊，输入 阅读全文
posted @ 2023-07-07 09:52
海_纳百川
阅读(684)
评论(0)
推荐(0)
摘要：
目录 一、SPP的应用的背景 二、SPP结构分析 三、SPPF结构分析 四、YOLOv5中SPP/SPPF结构源码解析（内含注释分析） 一、SPP的应用的背景 在卷积神经网络中我们经常看到固定输入的设计，但是如果我们输入的不能是固定尺寸的该怎么办呢？ 通常来说，我们有以下几种方法： （1）对输入进行 阅读全文
posted @ 2023-07-07 09:38
海_纳百川
阅读(1592)
评论(0)
推荐(0)
摘要：
SiLU（Swish）（YOLOv5 6.0之后） β = 1就是SiLU 优点：ReLU有无上界和有下界的特点，而Swish相比ReLU又增加了平滑和非单调的特点，这使得其在ImageNet上的效果更好。 缺点：引入了指数函数，增加了计算量. 阅读全文
posted @ 2023-07-07 08:41
海_纳百川
阅读(1552)
评论(0)
推荐(0)
浙公网安备 33010602011771号