目标检测论文解读8——YOLO v3
2024-09-07 03:38:59
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。
最新文章
- FMDB 排它锁
- css3飞机起飞进度条
- 优化加载jQuery的方法
- Java代码块
- pageX和pageY
- KS-检验(Kolmogorov-Smirnov test) -- 检验数据是否符合某种分布
- 关灯问题 dp
- codeforces 333A - Secrets
- c语言位运算符
- hdu 6133---Army Formations(启发式合并+树状数组)
- WebService-axis2
- WebService接口与HTTP接口的联系
- 自动化运维工具Ansible介绍
- java8_api_jni
- jmeter分布式测试的坑
- 树莓派(raspberry pi)学习11: 将树莓派变成一个Web服务器(转)
- DAO层注入HibernateTemplate的两种方式
- 20165233 学习基础和C语言基础调查
- SpringBoot ( 八 ) :RabbitMQ 详解
- FastReport.Net使用:[37]报表继承