03 2020 档案

【从零开始学习YOLOv3】8. YOLOv3中Loss部分计算
摘要：YOLOv1是一个anchor free的，从YOLOv2开始引入了Anchor，在VOC2007数据集上将mAP提升了10个百分点。YOLOv3也继续使用了Anchor，本文主要讲ultralytics版YOLOv3的Loss部分的计算, 实际上这部分loss和原版差距非常大，并且可以通过arc指 阅读全文
posted @ 2020-03-29 08:44 pprp 阅读(17884) 评论(3) 推荐(5) 编辑
增强CNN学习能力的Backbone:CSPNet
摘要：CSPNet全称是Cross Stage Partial Network，主要从一个比较特殊的角度切入，能够在降低20%计算量的情况下保持甚至提高CNN的能力。CSPNet开源了一部分cfg文件，其中一部分cfg可以直接使用AlexeyAB版Darknet还有ultralytics的yolov3运行 阅读全文
posted @ 2020-03-25 14:34 pprp 阅读(21982) 评论(8) 推荐(2) 编辑
【CNN调参】目标检测算法优化技巧
摘要：上次bbuf分享了亚马逊团队的用于分类模型的bag of tricks, 详见： "链接" ， 本文继续梳理一下目标检测trick， 解读这篇19年同样由亚马逊团队发表的《Bag of Freebies for Training Object Detection Neural Networks》。先 阅读全文
posted @ 2020-03-22 09:18 pprp 阅读(3134) 评论(0) 推荐(0) 编辑
【综述】神经网络中不同类型的卷积层
摘要：在计算机视觉中，卷积是最重要的概念之一。同时研究人员也提出了各种新的卷积或者卷积组合来进行改进，其中有的改进是针对速度、有的是为了加深模型、有的是为了对速度和准确率的trade off。本文将简单梳理一下 卷积神经网络中用到的各种卷积核以及改进版本 。文章主要是进行一个梳理，着重讲其思路以及作用。 阅读全文
posted @ 2020-03-14 19:51 pprp 阅读(1876) 评论(0) 推荐(0) 编辑
卷积神经网络中的各种池化操作
摘要：池化操作(Pooling)是CNN中非常常见的一种操作，Pooling层是模仿人的视觉系统对数据进行降维，池化操作通常也叫做子采样(Subsampling)或降采样(Downsampling)，在构建卷积神经网络时，往往会用在卷积层之后，通过池化来降低卷积层输出的特征维度，有效减少网络参数的同时还可 阅读全文
posted @ 2020-03-10 16:20 pprp 阅读(19363) 评论(0) 推荐(0) 编辑
【从零开始学习YOLOv3】5. 网络模型的构建
摘要：前言：之前几篇讲了cfg文件的理解、数据集的构建、数据加载机制和超参数进化机制，本文将讲解YOLOv3如何从cfg文件构造模型。本文涉及到一个比较有用的部分就是bias的设置，可以提升mAP、F1、P、R等指标，还能让训练过程更加平滑。 1. cfg文件 在YOLOv3中，修改网络结构很容易，只需要 阅读全文
posted @ 2020-03-07 09:24 pprp 阅读(3088) 评论(0) 推荐(0) 编辑
【从零开始学习YOLOv3】4. YOLOv3中的参数搜索
摘要：前言：YOLOv3代码中也提供了参数搜索，可以为对应的数据集进化一套合适的超参数。本文建档分析一下有关这部分的操作方法以及其参数的具体进化方法。 1. 超参数 YOLOv3中的 超参数在train.py中提供，其中包含了一些数据增强参数设置，具体内容如下： 2. 使用方法 在训练的时候，train. 阅读全文
posted @ 2020-03-07 09:17 pprp 阅读(2403) 评论(4) 推荐(0) 编辑
【从零开始学习YOLOv3】3.YOLOv3的数据组织和处理
摘要：前言：本文主要讲YOLOv3中数据加载部分，主要解析的代码在utils/datasets.py文件中。通过对数据组织、加载、处理部分代码进行解读，能帮助我们更快地理解YOLOv3所要求的数据输出要求，也将有利于对之后训练部分代码进行理解。 1. 标注格式 在上一篇 "【从零开始学习YOLOv3】2. 阅读全文
posted @ 2020-03-07 09:13 pprp 阅读(4066) 评论(2) 推荐(0) 编辑
两阶段实时检测网络ThunderNet
摘要：ThunderNet是旷视和国防科技大学合作提出的目标检测模型，目标是在计算力受限的平台进行实时目标检测。需要关注的地方主要就是提出的两个特征增强模块CEM和SAM,其设计理念和应用的方法都非常值得借鉴。 1. 介绍 在移动端的实时目标检测是一个极为重要并且有挑战性的视觉问题。很多基于CNN的检测器 阅读全文
posted @ 2020-03-07 08:59 pprp 阅读(1583) 评论(0) 推荐(0) 编辑
【CV中的特征金字塔】Feature Pyramid Network
摘要：FPN全称是Feature Pyramid Network, 也就是特征金字塔网络，主要是针对图像中目标的多尺度的这个特点提出的，多尺度在目标检测中非常常见，而且对应不同的问题应该设计不同的FPN。FPN是Facebook于2017年提出的用于目标检测的模块化结构，但FPN在很多计算机视觉任务中都有 阅读全文
posted @ 2020-03-01 21:53 pprp 阅读(3010) 评论(0) 推荐(1) 编辑

点击右上角即可分享
微信分享提示
❄