声明一点，我是工程应用人员，此文章仅适合算法应用工程师。1、首先先看一下YOLO的整体结构：2、其次看一下YOLO的工作过程：(1) 将原图划分为SxS的网格。如果一个目标的中心落入某个格子，这个格子就负责检测该目标。(2) 每个网格要预测B个bounding boxes，以及C个类别概率Pr(classi|object)。(3) 每个bounding box除了要回归自身的位置之外，还要附带预测
转载
2024-09-03 13:24:50
47阅读
YOLO，即You Only Look Once的缩写，是一个基于卷积神经网络的物体检测算法。而YOLO v3是YOLO的第3个版本，即YOLO、YOLO 9000、YOLO v3，检测效果，更准更强。YOLO v3的更多细节，可以参考YOLO的官网。YOLO是一句美国的俗语，You Only Live Once，你只能活一次，即人生苦短，及时行乐。本文主要分享，如何实现YOLO v3的算法细节，
一. 整体代码逻辑yolo中源码分为三个部分,\example,\include,以及\src文件夹下都有源代码存在.结构如下所示├── examples
│ ├── darknet.c(主程序)
│ │── xxx1.c
│ └── xxx2.c
│
├── include
│ ├── darknet.h
│
│
├── Makefile
│
│
└── src
转载
2024-10-29 14:15:53
118阅读
NN 会受到短时记忆的影响。如果一条序列足够长，那它们将很难将信息从较早的时间步传送到后面的时间步。 因此，如果你正在尝试处理一段文本进行预测，RNN 可能从一开始就会遗漏重要信息。在反向传播期间，RNN 会面临梯度消失的问题。 梯度是用于更新神经网络的权重值，消失的梯度问题是当梯度随着时间的推移传播时梯度下降，如果梯度值变得非常小，就不会继续学习。 &nb
什么是激活函数？ 多种激活函数详解1.激活函数作用：引入非线性因素，提高了模型的表达能力。如果没有激活函数，那么模型就只有线性变换，可想而知线性模型能表达的空间是有限的。而激活函数引入了非线性因素，比线性模型拥有更大的模型空间。2.主要常用的激活函数：SoftmaxSigmoidTanhReLU（以及基于ReLU的改进系列：Leaky ReLU、ELU、PReLU等）Gelu
转载
2024-05-29 11:20:21
103阅读
一个实验效果很好的激活函数。。。。。 可能是单纯试出来的。。。。。简介Swish是Google在10月16号提出的一种新型激活函数,其原始公式为:f(x)=x * sigmod(x),变形Swish-B激活函数的公式则为f(x)=x * sigmod(b * x),其拥有不饱和,光滑,非单调性的特征,而Google在论文中的多项测试表明Swish以及Swish-B激活函数的性能即佳,在不同的数据集
转载
2024-08-25 22:09:02
140阅读
文章目录一、卷积层1. 卷积核1.1 卷积操作2. 输出层计算公式3.计算量分析4.参数量计算二、BN层1. 为什么要进行BN？2.BN操作步骤2.1 为什么是mini-batch？2.2为什么BN层一般用在线性层和卷积层后面，而不是放在非线性单元后3. Batch Normalization 优缺点3.1 Batch Normalization 优点3.2 Batch Normalizatio
转载
2024-03-18 20:59:44
204阅读
文章目录理论部分1.对预测的中心坐标做损失2.对预测边界框的宽高做损失3.对预测的类别做损失4.对预测的置信度做损失代码实现定义calculate objects tensorcalculate responsible tensor获取最大的置信度参考文献 本次主要介绍YOLO中loss的实现。主要参考的代码是github上使用tensorflow实现yolo的一段程序，完整的程序地址放在下面。
转载
2024-08-28 16:15:02
86阅读
YOLOv4中谈及了许多近年来提出的激活函数，包括ReLU，LReLU，PReLU，ReLU6，ELU，SELU，Swish，hard-Swish和Mish。 本文总结这些深度学习的损失函数。01 sigmoid与tanh Sigmoid和tanh是有着优美的S型曲线的数学函数。在逻辑回归、人工网络中有着广泛的应用。 从数学上来看，非线性的Sigmoid函数对中央区的信号增益较大，对两侧区
转载
2024-05-07 21:11:03
270阅读
睿智的目标检测6——yolo2详解及其预测代码复现学习前言代码下载实现思路1、yolo2的预测思路（网络构建思路）2、先验框的生成3、利用先验框对网络的输出进行解码4、进行得分排序与非极大抑制筛选实现结果 学习前言……最近在学习yolo1、yolo2和yolo3，写这篇博客主要是为了让自己对yolo2的结构有更加深刻的理解，同时要理解清楚先验框的含义。代码下载尽量配合代码观看会更容易理解。 链接
转载
2024-10-14 18:24:37
120阅读
睿智的目标检测6——yolo2详解及其预测代码复现学习前言代码下载实现思路1、yolo2的预测思路（网络构建思路）2、先验框的生成3、利用先验框对网络的输出进行解码4、进行得分排序与非极大抑制筛选实现结果 学习前言……最近在学习yolo1、yolo2和yolo3，写这篇博客主要是为了让自己对yolo2的结构有更加深刻的理解，同时要理解清楚先验框的含义。代码下载尽量配合代码观看会更容易理解。 链接
我爱计算机视觉报道| 公众号 aicvml来自法国 Capgemini Invent 公司的高级数据科学家 Ahmed BESBES 三个月前参加了一个其公司内部的比赛：使用机器学习方法帮助海洋科学家更好的识别鲸鱼，根据鲸尾页突的外观作为主要特征。比赛要求对于每一幅测试图像模型要给出最相似的前20幅图像，这不是一个简单的分类任务而是相似检索任务。 最终，Ahmed获得了第
文章目录一.代码资源下载：二、源码解析2.1 data文件夹2.2 test文件夹2.3 utils文件夹2.4 yolo文件夹2.5 test.py2.6 train.py 一.代码资源下载： 1.代码下载：链接 2.打开下载的项目，并新建文件夹data 3.下载pascal VOC 2007 数据集和 small_yolo.ckpt文件，将下载好的文件分别放入da
转载
2024-08-20 11:08:18
59阅读
每个网格要预测B个bounding box，每个bounding box除了要回归自身的位置之外，还要附带预测一个confidence值。 confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息。YOLO的一些细节：1：每个grid有30维，这30维中，8维是回归box的坐标，2维是box的confidence，还有20维是类别。 2
文章目录引言修改backbone为 shufflenetv2第一步、定义模块第二步、注册模块第三步、配置结构第四步、使用结语 引言YOLOV5是一个速度和精度表现都非常优秀的目标检测算法，但我们在使用过程中有自己各种各样的需求，官方原本的代码可能不能满足我们需要，比如检测小目标，我们就需要使用对小目标检测效果好的Backbone，或者想要移植到嵌入设备上，我们就需要轻量化的Backbone。因此
转载
2024-06-05 11:39:38
436阅读
1. 修改网络结构----以yolov8 的C2F为例借鉴的代码：http://github.com/ultralytics/ultralytics修改顺序：1）models/commons.py ------------ 加入新增网络结构打开models，复制里面的c2f模块，到yolov5的common.py里面。class C2f(nn.Module):
# CSP Bottlene
转载
2024-08-27 22:05:39
1073阅读
论文地址：[YOLO] [YOLOv2/YOLO9000] [YOLOv3] [YOLOv4]YOLO系列权重、配置文件下载地址：https://github.com/AlexeyAB/darknet代码解读：[Deep Learning based Object Detection using YOLOv3 with OpenCV ( Python / C++ ) ][中文翻译]代码下载：这边
转载
2024-05-08 09:53:45
74阅读
在本文中，作者对包括 Relu、Sigmoid 在内的 26 种激活函数做了可视化，并附上了神经网络的相关属性，为大家了解激活函数提供了很好的资源。在神经网络中，激活函数决定来自给定输入集的节点的输出，其中非线性激活函数允许网络复制复杂的非线性行为。正如绝大多数神经网络借助某种形式的梯度下降进行优化，激活函数需要是可微分（或者至少是几乎完全可微分的）。此外，复杂的激活函数也许产生一些梯度消失或爆炸
转载
2024-02-11 08:47:22
115阅读
一。线性神经元：实现输入信息的完全传导（仅为概念基础） 由于激活函数是线性结构，多层神经网络可以用单层表达，因此神经网络层数的增加并不会增加网络的复杂性，因此只用于概念，实际不会使用二。线性阈值神经元 1.输出和输入都是二值的 2.每个神经元都有固定的阈值θ 3.每个神经元都从带全激活突触接受信息 4.抑制突触对任意激活突触有绝对否决权 5.每次汇总带全突触和，若>θ则不存在抑制，如<
转载
2024-08-01 21:17:00
89阅读
目录1. 什么是激活函数2. 激活函数作用3. 常见的几种激活函数3.1 Sigmoid激活函数3.2 step function（阶跃函数）3.3 Tanh(双曲正切函数)激活函数3.4 ReLU函数3.5 Leaky ReLU函数（PReLU）3.6 ELU (Exponential Linear Units) 函数4. 如何选择合适的激活函数参考资料： 1. 什么是激活函数f(z)函数会把
转载
2024-08-21 10:42:28
251阅读
