摘要：
参考：https://www.jianshu.com/p/7e200a487916 1.什么是softmax softmax是用于分类任务的，其实就是希望最后输出的结果值能在[0,1)之间，且归一化保证所有值的和为1 公式为： 下面的例子明白了为什么使用e次幂做除法了，因为分类其的输出Vi很可能是负 阅读全文
摘要：
python: /pytorch/third_party/ideep/mkl-dnn/src/cpu/jit_avx2_conv_kernel_f32.cpp:582: static mkldnn::impl::status_t mkldnn::impl::cpu::jit_avx2_conv_fw 阅读全文
摘要：
Abstract 迄今为止，精确度最高的目标探测器是基于R-CNN推广的两阶段方法，其中分类器应用于稀疏的候选对象位置集合。相比之下，对可能的目标位置进行常规、密集采样的单级探测器有可能更快、更简单，但迄今仍落后于两阶段探测器的精度。在这篇文章中，我们研究为什么会这样。我们发现，在高密度探测器的训练 阅读全文
摘要：
Abstract 我们为YOLO提供一些更新!我们做了一些小的设计上的改变来使它更好。我们还训练了这个非常棒的新网络。它比上次大了一点，但更准确。不过还是很快的，别担心。在320×320大小图片上， YOLOv3运行22毫秒，结果为28.2 mAP，和SSD一样准确，但比他快三倍。当我们以旧的 0. 阅读全文
摘要：
Abstract 我们介绍了YOLO9000，一个最先进的实时目标检测系统，可以检测超过9000个对象类别。首先，我们提出了对YOLO检测方法的各种改进，既有新颖之处，也有借鉴之处。改进后的YOLOv2模型在PASCAL VOC和COCO等标准检测任务上是最先进的。使用一种新颖的多尺度训练方法，YO 阅读全文
摘要：
Abstract 提出了一种新的目标检测方法YOLO。先前关于目标检测的工作重新定义分类器来执行检测。相反，我们将目标检测定义为一个回归到空间分离的边界框和相关的类概率中的回归问题。在一次评估中，单个神经网络直接从完整图像预测边界框和类概率。由于整个检测管道是一个单一的网络，可以直接从检测性能上进行 阅读全文
摘要：
Abstract 我们提出了基于区域的、全卷积的网络，用于精确和有效的对象检测。与之前的基于区域的检测器(如Fast/Faster R-CNN[6,18])相比，我们的基于区域的检测器是全卷积的，几乎所有计算都在整个图像上共享。为了实现这一目标，我们提出了位置敏感的分数映射来解决图像分类中的平移不变 阅读全文
摘要：
Feature Pyramid Networks for Object Detection Abstract 特征金字塔是不同尺度目标识别系统的基本组成部分。但是，最近的深度学习对象检测器已经避免了金字塔表示，部分原因是它们需要大量的计算和内存。在本文中，我们利用深卷积网络固有的多尺度金字塔结构来构 阅读全文