1.演算法解讀
2.原始碼解析
nms演算法包含在 interpret_output() 這個函式中
v2通過對標籤聚類得到一系列anchor box(prior box)，相比v1，bounding box的數量大幅增加。v2**的bounding box以這些anchor box為基準，在一定程度上減少了訓練難度。
演算法解讀：
引入fpn、對每個類別進行二分類。
1.演算法解讀：
2.損失函式：
類別損失是二值交叉熵損失
應用於遙感影象領域。
目標檢測演算法之SSD系列
ssd可以看成乙個有特定類別 class specific 的rpn網路 一 ssd ssd和yolov3的區別 1.ssd在不同尺度的特徵圖上分別 yolov3則是將不同尺度的特徵圖進行特徵融合再分別 2.損失函式不同 ssd有loss loc loss cof損失，yolov3有loss xy ...
YOLO檢測演算法小結
1.如何訓練yolo 1.準備資料 1.1按照voc的資料格式存放好資料，然後使用darknet上的py指令碼voc label.py生成相應的train,val,test相關的路徑txt以及yolo需要讀取的labels檔案 1.2 指定訓練相關資料，字尾名是.data，其主要存放了類別數，類別名...
YOLO目標檢測演算法的深入理解
yolo you only look once 是一種目標檢測演算法，目標檢測演算法分為兩大任務 目標分類和定位，yolo創造性的將候選區和物件識別這兩個階段合二為一，看一眼 不用看兩眼 就能知道有哪些物件以及它們的位置。實際上，yolo並沒有真正去掉候選區，而是採用了預定義的候選區，通過篩選找到中...