《YOLO9000:Better,Faster,Stronger》笔记
来源:互联网 发布:中科院软件所怎么样 编辑:程序博客网 时间:2024/06/06 03:08
- 简介
- Better
2.1 Batch Normalization
CNN在训练的过程中,每层的输入分布一直在改变,这会使得训练难度加大。在所有的卷积层中加入BN可以规范化输入,提高网络的收敛性,同时消除了网络对其他形式正则化的依赖(丢弃Dropout)。mAP有了2%的提升。
2.2 High Resolution Classifier
业界的对目标检测网络的标准做法,都会将classifier在ImageNet做pretrain。从AlexNet网络开始,大多数classifier的input都小于256*256,YOLO的input也是224*224,这样对图片做resize导致分辨率不高。YOLOv2将input提升到448*448,在ImageNet数据集上调优classifier 10个epoch,去适应高分辨率的输入,然后再调优用于检测resulting network。mAP有了4%的提升。
2.3 Convolutional With Anchors Boxes.
YOLO使用全连接层来预测bbox,损失了像素之间的空间信息。
阅读全文
0 0
- 【笔记】YOLO9000: Better, Faster, Stronger
- 《YOLO9000:Better,Faster,Stronger》笔记
- YOLO9000: Better, Faster, Stronger
- YOLO9000: Better,Faster,Stronger
- YOLO9000: Better, Faster, Stronger
- YOLO9000: Better,Faster,Stronger论文笔记
- READING NOTE: YOLO9000: Better, Faster, Stronger
- 目标检测 - YOLO9000 : Better, Faster, Stronger
- YOLO 9000论文翻译 | YOLO9000:Better, Faster, Stronger
- Object Detection -- 论文YOLO2(YOLO9000:Better, Faster, Stronger)解读
- 【Deep Learning】Yolo_v2:YOLO9000: Better, Faster, Stronger 原理
- 【论文学习】YOLO9000: Better,Faster,Stronger(YOLO9000:更好,更快,更强)
- 【论文学习】YOLO9000: Better,Faster,Stronger(YOLO9000:更好,更快,更强)
- zoj2970----------------Faster, Higher, Stronger
- Faster, Higher, Stronger
- zoj2970 Faster, Higher, Stronger
- ZOJ2970-Faster, Higher, Stronger
- ZOJ 2970 Faster, Higher, Stronger
- 动态获取权限工具类及其使用
- Kanade's sum(hdu 6058)
- 选择器
- Spring Aspect j
- 微信小程序实现组件顶端固定或底端固定效果(不随滚动而滚动)
- 《YOLO9000:Better,Faster,Stronger》笔记
- CoordinatorLayout中的大坑
- [Java] Java读取图片中的地理坐标(一)
- Unity5.x 全局光照系统问题下
- java中使用IO将文件切割后保存(FileInputStream、FileOutputStream)
- maven 环境变量配置
- Delphi实现在数据库中存取图像
- pl/sql developer快捷编码提示设置
- wampserver2.5绑定域名添加虚拟主机以及伪静态设置