yolo論文

綜述: 將物體檢測任務(劃分邊界框和類別的可能性)作爲迴歸問題來解決。 速度非常快,但是可能產生定位的誤差,相比於rcnn,減少了假陽性。 從上圖可以看出結構非常簡單 優勢: 1、速度非常快 2、處理全局的信息。在 訓練和測試的使用看到了整個圖像,對類別和外表都進行編碼。相比於faster rcnn減少了近一半的假陽性。 3、yolo學習歸納重新表達物體的特徵。所以能夠更加適應新的領域。在後面的實
相關文章
相關標籤/搜索