YOLOv4 在 YOLO 目标检测框架的基础上采用近年来的卷积神经 网络中的优化策略
更新日期:2021-03-08     来源:计算机与数字工程   作者:胡瑞恒  浏览次数:184
核心提示:2. YOLO V4 目标检测网络 YOLO 一类的单阶段方法使用回归的思想,YOLO 将图像分为 S*S 的网格,将整张图片输入 网络中,直接在输出层对边框进行回归同

2. YOLO V4 目标检测网络
      YOLO 一类的单阶段方法使用回归的思想,YOLO 将图像分为 S*S 的网格,将整张图片输入 网络中,直接在输出层对边框进行回归同时输出预测边框内的类别。网格内输出多个预测框 (b-box, bounding box)的信息,信息中包含有 x、y、w、h 和置信度(confidence)五个参 数,其中 x 和 y 是偏移量,w 和 h 是 b-box 的宽和高,这四个参数的值都被归一化到 0-1 之 间。YOLOv4 的网络架构和 YOLOv3 的架构是一样的,包括输入端、主干网络、颈部、预测输出 端四个部分,作者对 CSPResNext50、CSPDarknet53 和 EfficientNet-B3 进行了对比,得到结果 显示 CSPDarknet53 具有更大的感受野,更快的速度,能更好的分离更重要的上下文信息且不会 导致模型推理嘟嘟的下降,所以 YOLOv4 的基础骨架网络使用 CSPDarknet53。 

2022-02-15• 对于实时性要求较高的场景这类算法
相关工作通用目标检测:主流的目标检测方法主要有两类,包括单阶段目标检测和双阶段目标检测。双阶段网络的有两个阶段,第一级网络用于候选区域提取(...
2021-05-08• 通过把相邻的像素按照灰度值进行排序
3.1.2 图像平滑去噪 由于海面环境复杂,采集到的海上船舶图片受到海浪、船舶尾迹、波光等各种噪声的干 扰,含有大量的海面背景杂波,对目标的检测造成...