8.7 YOLO v3
主要创新点：
- 使用新的backbone网络：Darknet-53
- 在backbone和head中都使用了FPN
- 用逻辑回归代替了softmax作为分类器
1 在网络方面引入了残差块，这样感谢何凯明
图1 YOLOv3的网络结构
2 使用FPN的思想实现多尺度检测
图2 多尺度特征融合
另外用维度聚类的思想聚类出9种尺度的anchor box，将9种尺度的anchor box均匀的分配给3种尺度的特征图
主要创新点：
1 在网络方面引入了残差块，这样感谢何凯明
图1 YOLOv3的网络结构
2 使用FPN的思想实现多尺度检测
图2 多尺度特征融合
另外用维度聚类的思想聚类出9种尺度的anchor box，将9种尺度的anchor box均匀的分配给3种尺度的特征图
8.7 YOLO v3 主要创新点： 使用新的backbone网络：Darknet-53 在backbone和he...
8.5 YOLO V2 YOLO V2相比V1的改进部分有： 大尺度预训练分类 新网络：Darknet-19 加入...
8.6 YOLO 9000 YOLO 9000可以检测9000个类别？这么牛逼。 构造WordTree。 YOLO...
8.8 RetinaNet 本文参考了这篇文章。 研究了one-stage和two-stage方法的优缺点。 尤其...
8.9 RFBNet 主要创新点： 提出RFB模块。一句话就是在Inception的基础上加入了dilated卷积...
8.1 R-FCN R-FCN属于two-stage的目标检测算法。 backbone部分RPN，这里使用ResN...
8.2 SSD SSD的特点： Anchor框推荐，SSD称为先验框（Prior box） 从不同的特征图中产生不...
8.3 DSSD DSSD的核心思想： backbone使用ResNet替换了VGG，增强了特征提取能力。 添加了...
8.4 YOLO v1 YOLO v1的创新点： 整张图作为一个输入，然后端到端的得到输出； 速度快，是One-s...
机器学习： 知识点链接： 面试必备 | 机器学习、深度学习面试知识点汇总[https://mp.weixin.qq...
本文标题：深度学习知识点汇总-目标检测（7）
本文链接：https://www.haomeiwen.com/subject/xopftctx.html
网友评论