你将收获

YOLO模型的原理介绍

模型优化模块解析及功能介绍

实战项目：车辆检测

适用人群

想转型人工智能领域，并想往计算机视觉方向发展的工程师

课程介绍

本章节详细讲解YOLO系列模型，并通过实战项目的操作，掌握模型的原理及应用。

课程目录

讨论留言

正在加载中...

同学笔记

  • weixin_45386895 2020-08-02 14:35:48

    来源：YOLOV4模型原理介绍-01 查看详情

    目标检测模型分为两类：RCNN系列和YOLO，SSD，RetinaNet等

    backbone:主干网络。大多数时候指的是提取特征的网络。其作用就是提取图片中的信息，供后面的网络使用。

    neck:为了更好的利用backbone提取的特征，一般放在head和backbone之间

     

  • weixin_45386895 2020-08-02 10:25:57

    来源：YOLOV之Darknet-19网络讲解-02 查看详情

    随机梯度下降，初始学习率0.1，速率衰减为4，权重,动量0.9，160epochs

  • autonomous_csdn 2020-07-29 22:45:25

    来源：模型优化模块解析及功能介绍-05 查看详情

    NMS（Non-Maximum Suppression）算法本质是搜索局部极大值，抑制非极大值元素。NMS就是需要根据score矩阵和region的坐标信息，从中找到置信度比较高的bounding box。NMS是大部分深度学习目标检测网络所需要的，大致算法流程为：

    1.对所有预测框的置信度降序排序

    2.选出置信度最高的预测框，确认其为正确预测，并计算他与其他预测框的IOU

    3.根据2中计算的IOU去除重叠度高的，IOU>threshold就删除

    4.剩下的预测框返回第1步，直到没有剩下的为止

     

    Proposal:产生proposal区域后，使用每类网络给出每个框的每类置信度，使用回归网络修正位置，最终应用NMS。目的是在目标检测中消除多余的检测框，找到最佳的物体检测的位置。

没有更多了

推荐

Python+OpenCV计算机视觉

57节课 25300人学习

OpenCV图像分割实战视频教程

16节课 3962人学习

基于深度学习的计算机视觉： 原理与实践 （下部）

46节课 4284人学习

基于深度学习的计算机视觉：原理与实践（上部）

76节课 7791人学习

目标检测算法七讲

7节课 1881人学习

计算机视觉实战：如何使用OpenCV构建视觉应用

1节课 10881人学习