一个网站上能不能放两个域名 两个备案号,网站风格下载,众车网是哪家公司网站,佛山网红打卡点1 历史简介 2 YOLO算法思想 YOLO算法的基本思想#xff1a; #xff08;1#xff09;将图片划分为SSS \times SSS个网格#xff1b; #xff08;2#xff09;计算每个边界框和置信度#xff1b; #xff08;3#xff09;计算每个网格属于某个类别的概率#xff1b; 1将图片划分为S×SS \times SS×S个网格 2计算每个边界框和置信度 3计算每个网格属于某个类别的概率 4根据上述的计算结果来获得最终的目标检测。 1计算每个边界框的坐标tx,ty,tw,tht_x, t_y, t_w, t_htx,ty,tw,th 2计算每个边界框的目标性得分 3计算每个边界框的类别得分 4上述计算构成一个边界框的属性 5再将多个BBB边界框的这些属性进行多尺度融合。
3 YOLO家族
3.1 Yolo v1
3.2 Yolo v2
3.3 Yolo v3 3.4 Yolo v4 Yolo v4在Yolo v3的基础上做了如下改进
输入端采用mosaic数据增强Backbone上采用了CSPDarknet53、Mish激活函数、Dropblock等方式。cspnet减少了计算量的同时可以保证准确率Mish函数为 Mish x∗tanh(ln(1ex))\text { Mish }x * \tanh \left(\ln \left(1e^{x}\right)\right) Mish x∗tanh(ln(1ex)) 橙色曲线为ln(1ex)\ln(1e^{x})ln(1ex) 蓝色曲线为Mish函数 为什么采用mish函数可能也是最重要的目前的想法是平滑的激活函数允许更好的信息深入神经网络从而得到更好的准确性和泛化。Neck中采用了SPP、FPNPAN的结构输出端采用CIOU_Loss、DIOU_nms操作。
3.5 Yolo v5 算法性能测试图 Yolov5s网络最小速度最少AP精度也最低训练后的模型十几M大小速度很快可用于嵌入式设备。Yolov5m、Yolov5I和Yolov5x在此基础上不断加深加宽网络AP精度也不断提升。
