项目中使用YOLO系列已经大半年，是时候总结下原理了。 事实上YOLO3已经是成熟可靠的目标检测框架，具有很好的商业价值；而YOLO4&5是将近年来DL领域一些创新、可靠、有效的tricks加进去，进一步提升了YOLO的效果，江湖传言曰：嫁衣神功 ...

一、Soft-NMS　　 　　先回顾下传统NMS，如下算法流程图：假如检测马，首先检测到置信度最大的红色框，然后遍历红色框附近的框并计算IOU，IOU大的框都删掉。 因为IOU大，表示高度重叠， ...

　　MASK-RCNN中也有PAN(Path Aggregation Network)， 一、FPN 　　如下图conv5、conv4、conv2&3，分别对应高层、中层、底层特征，这里将 ...

一、IOU IOU：也就是交并比，比较简单，不多说。 缺点： 上面三种情况IOU值是一样的，但是重叠情况不一样。当两个框没有交集的时候，IOU = 0，导致梯度消失，没办法进行反向传 ...

Abstract 　　dropout被广泛地用作全连接层的正则化技术，但是对于卷积层，通常不太有效。dropout在卷积层不work的原因可能是由于卷积层的特征图中相邻位置元素在空间上共享语义信息， ...

　　可以这样来看待注意力机制：将Source中的构成元素想象成是有一系列的<key,value>数据对构成，此时对于Target中的某个元素Query，通过计算Query和各个Key的相似性或者相关性，得到每个Key对应Value的权重系数，然后对Value进行加权求和，即得到 ...

注意力的种类有如下四种： 加法注意力, Bahdanau Attention 点乘注意力, Luong Attention 自注意力, Self-Attention 多头点乘注意力, Multi-Head Dot Product Attention（请转至Transformer ...

注意力机制分为：通道注意力机制， 空间注意力机制， 通道_空间注意力机制， 自注意力机制 参考： https://blog.csdn.net/weixin_44791964/article/details/121371986 通道注意力机制 SENet 其重点是获得输入进来的特征层 ...