YOLOv1 待续

名词

inception module

问题

bounding box

bounding box是怎么预测出来的。因为在博客里看到的一直是直接拿bounding box跟ground truth进行比较。

损失函数

  1. 对没有物体的栅格来说,其重要性远远不如有物体的栅格,但在损失函数中二者重要性如果一致,前者在梯度的贡献会淹没掉后者的贡献,虽然后者更有代表性。这会导致网络不稳定,乃至发散。
  2. 8维坐标和20维类别重要性也不一致
  3. 大小不同的bbox预测偏对结果的影响也不一致。用box的width和hegith平方代替原本的值。(??)

找论文的途径

  1. 别人总结的
  2. 自己从会议/期刊查找。

模块

NMS非极大值抑制

拓展阅读

YOLOv1论文理解:https://blog.csdn.net/hrsstudy/article/details/70305791
非常详细
YOLOV1和v2:https://www.cnblogs.com/fariver/p/7446921.html
https://www.cnblogs.com/makefile/p/YOLOv3.html

darknet源码学习 : https://www.cnblogs.com/llfctt/p/9037672.html
YOLO源码解析:https://blog.csdn.net/u014540717/article/category/6513159
github-darknet源码解析:https://github.com/hgpvision/darknet
图解YOLO:https://docs.google.com/presentation/d/1aeRvtKG21KHdD5lg6Hgyhx5rPq_ZOsGjG5rJ1HP7BbA/pub?start=false&loop=false&delayms=3000&slide=id.g137784ab86_4_2287

论文优缺点

论文创新点

猜你喜欢

转载自blog.csdn.net/san_junipero/article/details/81069764