单阶段目标检测算法YOLOv3
YOLOv3从v1和v2的基础上进行改进，主要如下：
（1）更大的骨干网络DarkNet-53，可以进行多尺度预测，跨尺度特征融合
（2）多尺度预测，最终是3个尺度的特征图上目标检测
Darknet-53骨干网络进行特征提取，网络分为5个阶段，经过每个绿色的res是一个2倍的下采样，最多是32倍
32倍的下采样再经过特征提取后输出为y1的特征图 32倍到输出中间的特征图拿出来和上一次的16倍下采样进行拼接，拼接之前对32倍的下采样进行上采样使其和16倍下采样的特征图变成一样大小，2者进行concat再进行特征提取输出第二张特征图y2 第三张特征图的输出类似 3张特征图y1，y2，y3分别对应32，16，8倍的下采样
网络输入[N,3,416,416],N为输入的图片batch_size的数目，3是RGB通道 输出的每个点的特征图信息C=B*（5+class_num），其中5为4+1，即4个坐标信息和1个目标置信度，class_num为80，B为该点对应的anchor的数目，每个特征图的总输出为n*n*255
针对3种不同的下采样，会得到3*3种不同的anchor，例如对于32倍下采样得到的特征图（13*13），特征图上的每个点相当于原图中32*32的局部区域，每个点都会有3种尺度的anchor，最终得到的特征图为h*w，相当于将原图分为h*w个网格，每个网格对应特征图上的一个点
中心点偏移使用了sigmoid函数，在计算特征图时，特征点的取值范围可能负无穷到正无穷并且期望中心点偏移的范围还是在0到1之内，不管tx，ty取多少，取sigmoid函数后偏移小 宽高拉伸使用了指数函数，因为希望得到的宽、高都是正数
单阶段目标检测算法YOLOv3相关推荐
- 计算机视觉：单阶段目标检测模型YOLO-V3
计算机视觉:单阶段目标检测模型YOLO-V3 单阶段目标检测模型YOLO-V3 YOLO-V3 模型设计思想 产生候选区域 生成锚框 生成预测框 对候选区域进行标注 标注锚框是否包含物体 标注预测框的 ...
- 单阶段目标检测算法之YOLOv1详解
官方网站C语言版本:https://pjreddie.com/darknet/yolov1/ tensorflow版本的代码下载: https://github.com/hizhangp/yolo_t ...
- 单阶段目标检测重要论文总结
文章目录 一.Yolov1 1.论文简介 2.检测原理 3.结构设计 4.疑难问题 5.论文总结 二.Yolov2 1.论文简介 2.更好.更快.更强 1)为什么更好? 2)为什么更快? 3)为什么更 ...
- 目标检测算法(YOLOv3)
目标检测算法(YOLOv3) YOLOv3在YOLOv2的基础上,改良了网络的主干,利用多尺度特征图进行检测,改进了多个独立的Logistic regression分类器来取代softmax来预测类别 ...
- 单阶段目标检测方法SSD介绍与分析
SSD目标检测算法,完整详细讲解 SSD(single shot multi-box detector) 1. 简介 2. 模型结构 backbone neck head SSD(single sho ...
- 单阶段目标检测模型YoLo系列（一）：YoLoV3详解及代码实现
目录 1.YoLoV3网络结构 1.1 Backbone:Darknet-53 1.2 构建特征金字塔 1.3 YoLo Head 2.yolov3模型预测结果的解码 2.1 先验框 2.2 检测框解 ...
- 基于Matlab深度学习目标检测算法系统GUI，单目标、多目标检测
深度学习是一种功能强大的机器学习方法,可用于训练稳健的目标检测器.目标检测有多种方法,包括 Faster R-CNN 和 you only look once (YOLO) v2!本文 ...
- 干货｜基于深度学习的目标检测算法面试必备（RCNN~YOLOv5）
点上方计算机视觉联盟获取更多干货 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:作者丨不出名的小金@知乎(已授权) 来源丨https://zhuanlan.zhihu.com/p/35406 ...
- 笔记《基于无人驾驶方程式赛车的传感器融合目标检测算法研究及实现》
论文结构 关键字:无人驾驶方程式赛车,相机,激光雷达,目标检测,传感器融合 一.绪论 1. 感知技术研究现状 1.1.1 基于相机的目标检测技术研究现状 1.1.2 基于激光雷达的目标检测技术研究现状 ...
- 层与特征融合_【计算机系统应用】（第122期）感受野特征增强的 SSD 目标检测算法...
点击上方"蓝字",关注我们吧! 目标检测是计算机视觉领域的一项重要任务, 是 生活中如实例分割[1] , 面部分析[2] , 汽车自动驾驶[3].视 频分析[4] 等各种视觉应用的 ...
最新文章
- html5 文字定义线宽,html 5画布线宽
- live555从RTSP服务器读取数据到使用接收到的数据流程分析
- APROM、LDROM的区别！（flash）
- 服务端 I/O 性能大比拼：Node、PHP、Java、Go哪家强？
- XGBoost在携程搜索排序中的应用
- 记一次理想浪漫的毕旅
- P6240 好吃的题目（分治+背包）
- 骑马与砍杀python代码_GitHub - yunwei1237/scottish-fold: 一个关于骑马与砍杀的剧本制作工具...
- 5G 是未来的唯一选择？| 畅言
- 解决xshell6评估过期,需采购问题
- 一个简单的EXCEL 导入SQL 的例子
- 12. Magento 后台top栏开发
- 华为杯数学建模2020什么时候出结果_第17届华为杯数学建模竞赛来啦
- flink的批处理和流处理
- 学习 Python 数学模块之 为什么我们需要使用数学模块
- 详解DBSCAN聚类
- 静息态功能磁共振及其在精神疾病诊断中的应用
- 最新python与SEO实战课程第2期项目实战(完整)
- Reasoning with Sarcasm by Reading In-between(MIARN 2018)论文笔记
- PDF 签章图片不显示问题