YOLOv3沒有太多的創新，主要是借鑒一些好的方案融合到YOLO里面。不過效果還是不錯的，在保持速度優勢的前提下，提升了預測精度，尤其是加強了對小物體的識別能力。 本文主要講v3的改進，由於是以v1和v2為基礎，關於YOLO1和YOLO2的部分析請移步YOLO v1深入 ...

對三層作監督，分別重點檢測大中小物體。 如果從未接觸過檢測算法，一定會對YOLOv3有別於其它CNN的諸多方面深表驚奇。驚奇可能意味着巧妙，也可能意味着不合理或者局限。在YOLOv3身上二者兼備。 Output and loss 需要監督的輸出層如下。The shape ...

今天將要說明的是Darknet中的cfg文件，廢話少說，直接干！（以cfg/yolov3.cfg為例，其它類似） [net] ★ [xxx]開始的行表示網絡的一層，其后的內容為該層的參數配置，[net]為特殊的層，配置整個網絡 ...

前言： 工作原因，要用到yolo算法，組長給推薦了一篇博文比較詳細的講解了yolov3和yolov4，講的非常好，參考鏈接如下： https://mp.weixin.qq.com/s/qszdrGgBIjA5nnr12VIyYQ 1.論文匯總 Yolov3論文名：《Yolov3 ...

/darknet/yolo/ https://nanfei.ink/2018/04/15/YOLOv3%E8%A ...

YOLOV3 YOLO3主要的改進有：調整了網絡結構；利用多尺度特征進行對象檢測；對象分類用Logistic取代了softmax。 新的網絡結構Darknet -53 darknet-53借用了resnet的思想，在網絡中加入了殘差模塊，這樣有利於解決深層次網絡的梯度問題，每個殘差模塊 ...

前沿 最近在用目標檢測方面的項目，所選擇的算法是yolov3(該算法的優點是：既有速度也有精度)。由於自己在實現該算法的時候遇到了不少坑，所以結合自己在該過程中遇到的問題以及對應解決思路整理一下，讓需要的人可以少走些彎路，節約時間。 總體來說，可分為四步進行操作：1.標注數據(我的上一篇博客 ...

　　Part1. models.py文件里的模型創建 　　1.如何更方便的准備debug環境? 　　我們選取的源碼是github上5.7k star的 pytorch implementation ...