[重读经典论文]YOLOX
1.[轻量化网络]MobileNet V1学习笔记2.[轻量化网络]MobileNet V2学习笔记3.[重读经典论文] AlexNet——引爆CNN4.[轻量化网络]ShuffleNet V2学习笔记5.[轻量化网络]ShuffleNet V1学习笔记6.[轻量化网络]Mnasnet学习笔记7.[重读经典论文]ResNeXt8.[重读经典论文]SENet——ILSVRC收官之作9.[重读经典论文]ResNet10.[重读经典论文]VGG——传统串行卷积神经网络的极致11.[重读经典论文]Inception V412.[经典论文重读]Inception V2/V313.[重读经典论文]GoogLeNet——Inception模块的诞生14.[重读经典论文]ZFNET——神经网络可视化的开山之作15.[重读经典论文] FCOS16.[重读经典论文] EfficientNetV1/V217.[轻量化网络] MobileNet V318.[重读经典论文] RetinaNet——Focal Loss for Dense Object Detection19.[重读经典论文] FPN及PAN笔记20.[重读经典论文]YOLOv721.[重读经典论文]YOLOV622.[重读经典论文]RepVGG: Making VGG-style ConvNets Great Again23.[可解释性分析]LIME24.[可解释性分析]GradCAM25.[可解释性分析]CAM
26.[重读经典论文]YOLOX
27.[重读经典论文]YOLOv428.[重读经典论文]YOLOv329.[经典论文重读]YOLOv230.[重读经典论文]YOLOv131.[重读经典论文] MobileViT32.[重读经典论文] ConvNeXt——卷积网络又行了33.[重读经典论文] Swin-Transformer34.[重读经典论文]VIT35.[重读经典论文]EfficientDet参考博客:YOLOX网络结构详解
参考视频:YOLOX网络结构详解
亮点:
- 网络检测头部分,改成解耦的结构,将类别分数、边界框回归参数和objectness分别预测,提高网络收敛速度。
- 使用Anchor free对目标进行预测。
- 正负样本匹配策略SimOTA。
(完)
本文版权归作者(https://www.cnblogs.com/harrymore/)和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文链接,如有问题, 可邮件(harrymore@126.com)咨询.
【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
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· winform 绘制太阳,地球,月球 运作规律
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· AI与.NET技术实操系列(五):向量存储与相似性搜索在 .NET 中的实现
· 超详细:普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
2021-05-08 关于python项目vscode 提示import could not be resolved的问题解决