开发者社区> Lvzt> 正文

【YOLO系列学习笔记】--YOLOv2

简介: 进阶学习YOLOv2
+关注继续查看

YOLOv2

1.差别概述

整体变化

1.v2舍去了Droput,卷积后全部加入Batch Normalization
Batch Normalization,每一层卷积做完后都做归一化,使得做完之后按照所想的目标进行发展,卷积神经网络的标配。
2.网络的每一层的输入都做了归一化,收敛相对更容易
3.经过Batch Normalization处理后的网络会提升2%的map
4.从现在角度来讲,Batch Normalization已经成网络必备处理
5.V2有更大的分配率,使得map提升了大约4%

2.网络结构

在这里插入图片描述
所有层都是卷积,没有全连接层,避免了过拟合,比较快
1*1卷积节省了很多参数
有5次降采样(h/32,w/32)
网格大小(13*13)

3.YOLOv2聚类提取先验框

在这里插入图片描述
利用K-means进行聚类,k=5,
K-means聚类中的距离:d(box, centroid) = 1 ? IOU(box, centroid)
recall(查全率)升高了

版权声明:本文内容由便宜云服务器实名注册用户自发贡献,版权归原作者所有,便宜云服务器开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《便宜云服务器开发者社区用户服务协议》和《便宜云服务器开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
你的YOLO V4该换了 | YOLO V4原班人马改进Scaled YOLO V4,已开源(附论文+源码)
你的YOLO V4该换了 | YOLO V4原班人马改进Scaled YOLO V4,已开源(附论文+源码)
11 0
YOLOV5与YOLOv4的对比
YOLOV5与YOLOv4的对比
330 0
【YOLO系列】YOLOv8算法(尖端SOTA模型)
Ultralytics YOLOv8 是由 Ultralytics开发的一个前沿 SOTA 模型。它在以前 YOLO 版本的成功基础上,引入了新的功能和改进,进一步提升了性能和灵活性。YOLOv8 基于快速、准确和易于使用的理念设计,使其成为广泛的物体检测、图像分割和图像分类任务的绝佳选择。
969 0
yolo3-yolo5
yolo3-yolo5
70 0
YOLO v3详细解读
《YOLOv3: An Incremental Improvement》 Joseph Redmon Ali Farhadi University of Washington
127 0
YOLO v1详细解读
《You Only Look Once: Unifified, Real-Time Object Detection》 Joseph Redmon?* , Santosh Divvala??, Ross Girshick*?* , Ali Farhadi?? University of Washington? , Allen Institute for AI*?* , Facebook AI Research*?**
79 0
YOLO v2详细解读
《YOLO9000:Better, Faster, Stronger》 Joseph Redmon??, Ali Farhadi??* University of Washington? , Allen Institute for AI*?** 发表时间及期刊:2017 CVPR
77 0
03 yolo 9000理解
文章目录 提出问题 构建wordTree 构建方法 怎么预测 标签的标注 预测 联合分类检测
30 0
+关注
Lvzt
文章
问答
视频
文章排行榜
最热
最新
相关电子书
更多
ImageNet:VGGNet,ResNet,Incepti
立即下载
低代码开发师(初级)实战教程
立即下载
阿里巴巴DevOps 最佳实践手册
立即下载


http://www.vxiaotou.com