目標檢測 | 盤點目標檢測中的特徵融合技巧（根據YOLO v4總結）

點擊上方「AI算法修煉營」，選擇「星標」公衆號php 精選做品，第一時間送達node 特徵融合分類git 在深度學習的不少工做中（例如目標檢測、圖像分割），融合不一樣尺度的特徵是提升性能的一個重要手段。低層特徵分辨率更高，包含更多位置、細節信息，可是因爲通過的卷積更少，其語義性更低，噪聲更多。高層特徵具備更強的語義信息，可是分辨率很低，對細節的感知能力較差。如何將二者高效融合，取其長處，棄之糟泊，

>>阅读原文<<