摘要：
嗯，这个v4我觉得吧创新谈不上，就是会有一些tricks，作者整理了大量的tricks并做了对比，最终为yolov4选择了一套方案，所以想借这个机会刚好介绍在目标检测中的一些tricks： 首先我们要理解在目标检测中主要是由三部分组成的：Object Detection = Backbone + N 阅读全文
摘要：
NMS（greedy NMS） 这个在faster rcnn和youlo都介绍过很传统自己看。 Soft NMS 不同于在NMS中采用单一阈值，对与最大得分检测结果M超过阈值的结果进行抑制，其主要考虑Soft-NMS，对所有目标的检测得分以相应overlap with M的连续函数进行衰减，具有较低 阅读全文
摘要：
目标检测任务的损失函数由Classificition Loss和Bounding Box Regeression Loss两部分构成。近几年来Bounding Box Regression Loss Function的演进过程，其演进路线是Smooth L1 Loss IoU LossGIoU Lo 阅读全文
摘要：
如果我们不使用过激活函数，那么输出将是输入的线性变换，无论最终多少层，都只是线性变换，为了增强神经网络学习任何函数的能力，需要在其中引入非线性的单元，这个单元就是激活函数。 激活函数大致分为两类，饱和和非饱和： 饱和激活函数 Sigmoid Sigmoid 是常用的非线性的激活函数，它的数学形式如下 阅读全文