目標檢測算法-YOLO-V4代碼詳解
Yolo-V4算法中對網絡進行了改進，使用CSPDarknet53。網絡結構如下: Yolo-V4與Yolo-V3上相比較: （1）對主干網絡進行了修改，將原先的Darknet53改為CSPDarknet53，其中是將激活函數改為Mish激活函數，並且在網絡中加入了CSP結構 ...
原文：YOLO-V4源碼詳解
一. 整體架構 整體架構和YOLO V 相同 感謝知乎大神 江大白 ，創新點如下： 輸入端 gt Mosaic數據增強 cmBN SAT自對抗訓練 BackBone gt CSPDarknet Mish激活函數 Dropblock Neck gt SPP FPN PAN結構 Prediction gt GIOU Loss DIOU nms。 二. 輸入端 . 數據加載流程 以訓練為例 darkne ...
2020-07-02 17:42 1 6013 推薦指數：
相關推薦
yolo-v4：Optimal Speed and Accuracy of Object Detection解析
，如： batch-normalization， residual-connections。yolo的作者 ...
YOLO v3 網絡結構和源碼詳解
0.摘要 最近一段時間在學習yolo3，看了很多博客，理解了一些理論知識，但是學起來還是有些吃力，之后看了源碼，才有了更進一步的理解。在這里，我不在贅述網絡方面的代碼，網絡方面的代碼比較容易理解，下面將給出整個yolo3代碼的詳解解析，整個源碼中函數 ...
YOLO-V4 實現口罩識別（附加數據、數據批量處理程序）
一、YOLO-v4概念 如果想要了解和認識yolo-v4的基本概念，首先要提的就是它的基礎版本yolo-v1,對於yolo來說，最經典的算是yolo-v3。如果想要了解它的由來和歷史的話，可以自行搜索。那么接下來，就先從yolo-v1入手各方面來介紹對比一下yolo-v4。 1、yolo-v ...
YOLO v1的詳解與復現
yolov1是一個快速的one-stage目標檢測器，獨樹一幟的用划分網格的策略實現目標檢測，本文將詳細解釋yolov1算法，並簡述如何用pytorch復現該算法。pytorch-yolov1 ...
【源碼解讀】YOLO v3 - 06 測試
在實際預測的過程中，主要包括兩個部分： 輸入圖像的標准化處理 從模型輸出的y1,y2,y3中進行分類和定位 雖然會先生成yolo的對象，即預測評估的運算過程。 輸入圖像的處理 在代碼的第6行yolo.detect_image(img)中 ...
YOLO v2 損失函數源碼分析
損失函數的定義是在region_layer.c文件中，關於region層使用的參數在cfg文件的最后一個section中定義。 首先來看一看region_layer 都定義了那些屬性值： ...
深度學習之 YOLO v1,v2,v3詳解
（寫在前面：如果你想 run 起來，立馬想看看效果，那就直接跳轉到最后一張，動手實踐，看了結果再來往前看吧，開始吧······） 一、YOLOv1 簡介 這里不再贅述，之前的我的一個 GitChat 詳盡的講述了整個代碼段的含義，以及如何一步步的去實現它 二、YOLOv2 簡介 V1 版本 ...