快速理解YOLO目标检测资源-CSDN文库

21 浏览量 2021-01-27 13:20:55 上传评论收藏 853KB PDF 举报

资源推荐

资源详情

资源评论

快速理解快速理解YOLO目标检测目标检测

YOLO（You Only Look Once）论文近些年，R-CNN等基于深度学习目标检测方法，大大提高了检测精度和检测速度。

例如在Pascal VOC数据集上Faster R-CNN的mAP达到了73.2。而YOLO和SSD在达到较高的检测精度的同时，检测速度都在

40FPS以上。

整个YOLO的网络结构如图，前面20层使用了改进的GoogleNet，得到14×14×1024的tensor，接下来经过4个卷积层分别进行

3×3的卷积操作和1×1的降维操作，最后经过两个全连接层后输出为7×7×30的tensor。检测目标就能从7×7×30的tensor中得

到。

作者首先取出前面的20层网络，另外再加上一个average-pooling层和一个全连接层，在ImageNet训练集上进行图像分类任务

的欲训练，top-5达到88%的准确度。然后将经过图像分类训练的前20层网络加上后面的网络层进行检测任务的训练。7×7×30

tensor的解释：其实这里的7×7并不是将输入图像划分为7×7的网格，实际上指经过多个卷积层处理过后的特征map是7×7大小

的，而且其中的每个cell是互相有重叠的，但是为了便于直观理解，直接将原始图像用7×7的网格进行划分。可以看到每个cell

向量的前5维分别代表了一个检测框的x坐标，y坐标，宽度和高度，检测框中有目标物体的置信度（P(Object) IOU）。

剩余7页未读，继续阅读

内容反馈

weixin_38670065

粉丝: 4
资源: 924

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip