资源分类
》 资源 》 经验分享 》目标检测论文解读8——YOLO v3

目标检测论文解读8——YOLO v3

2019-11-25 | |  61 |   0

原标题：目标检测论文解读8——YOLO v3

原文来自：博客园      原文链接：https://www.cnblogs.com/xin1998/p/11381660.html


背景

　　要在YOLO v2上作出改进。

方法

　　(1)分类器改变。从softmax loss改变为logistic loss，作用是处理符合标签，softmax loss只能用来预测只有一种类别的目标，logistic loss可以是多种类别。

　　(2)引入多级预测机制。在三种尺度的特征图上做detection。

　　(3)模仿了ResNet里residual block 的short cut，模型采用Darknet-53。

总结

　　没创新，效果好。


免责声明：本文来自互联网新闻客户端自媒体，不代表本网的观点和立场。

合作及投稿邮箱：E-mail:editor@tusaishared.com

上一篇：【深度学习】神经网络入门

下一篇：目标检测论文解读7——YOLO v2

用户评价
全部评价

热门资源

  • Python 爬虫（二）...

    所谓爬虫就是模拟客户端发送网络请求，获取网络响...

  • TensorFlow从1到2...

    原文第四篇中，我们介绍了官方的入门案例MNIST，功...

  • TensorFlow从1到2...

    “回归”这个词，既是Regression算法的名称，也代表...

  • TensorFlow2.0（10...

    前面的博客中我们说过，在加载数据和预处理数据时...

  • 机器学习中的熵、...

    熵 (entropy) 这一词最初来源于热力学。1948年，克...