YOLO V1论文理解
摘要 作者提出了一种新的物体检测方法YOLO。YOLO之前的物体检测方法主要是通过region proposal产生大量的可能包含待检测物体的 potential bounding box，再用分类器去判断每个 bounding box里是否包含有物体，以及物体所属类别的 probability ...
原文：YOLO V2论文理解
概述 YOLO You Only Look Once: Unified, Real Time Object Detection 从v 版本进化到了v 版本，作者在darknet主页先行一步放出源代码，论文在我们等候之下终于在 月 日发布出来。 新的YOLO版本论文全名叫 YOLO : Better, Faster, Stronger ，主要有两个大方面的改进： 第一，作者使用了一系列的方法对原来的 ...
2019-03-01 16:10 0 746 推荐指数：
相关推荐
YOLO V3论文理解
YOLO3主要的改进有：调整了网络结构；利用多尺度特征进行对象检测；对象分类用Logistic取代了softmax。 1.Darknet-53 network在论文中虽然有给网络的图，但我还是简单说一下。这个网络主要是由一系列的1x1和3x3的卷积层组成（每个卷积层后都会跟一个BN层和一个 ...
yolo v2记录
这里主要从输入数据增量、新增层和检测层的处理三个方面来说下v2版本，文中使用的参数和数值为代码中默认值并以voc数据集为例来说明的。 一．输入数据处理 V2版本处理具有前一个版本对数据增量处理方式外，还新增了对输入图像的色度、饱和度、曝光的处理，这三个分量都采用了和jitter类似 ...
[论文理解] CapsuleNet
CapsuleNet 前言 找了很多资料，终于把整个流程搞懂了，其实要懂这个运算并不难，难的对我来说是怎么用代码实现，也找了github上的一些代码来看，对我来说都有点冗长，变量分布太远导致我脑袋炸了，所以我就在B站找视频看看有没有代码讲解，算是不负苦心吧，终于把实现部分解决了。 不写论文 ...
RetinaNet论文理解
引言 介绍 目前精度高的检测器都是基于two-stage，proposal-driven机制，第一阶段生成稀疏的候选对象位置集，第二阶段使用CNN进一步将每个候选位置分为前景或者背景以及 ...
yolo v2使用总结
以下都是基于yolo v2版本的，对于现在的v3版本，可以先clone下来，再git checkout回v2版本。 玩了三四个月的yolo后发现数值相当不稳定，yolo只能用来小打小闹了。 v2训练的权重用v3做预测，结果不一样。 我的环境是 window 10 ...
YOLO V2 代码分析
先介绍YOLO[转]： 第一个颠覆ross的RCNN系列，提出region-free，把检测任务直接转换为回归来做，第一次做到精度可以，且实时性很好。 1. 直接将原图划分为SxS个grid cell，如果有物体的中心落到这个格子里那么这个格子的gt就是这个物体。 2. 每个格子被指定的gt需要 ...
[NLP]BERT论文理解
论文地址：https://arxiv.org/pdf/1810.04805.pdf 简介 bert是google2018年提出的一种两阶段语言模型，全称Bidirectional Encoder Representations from Transformers，它本质上 ...