关注并星标
从此不迷路
计算机视觉研究院
公众号ID｜ComputerVisionGzq
学习群｜扫码在主页获取加入方式
获取论文：关注并回复“GD”
计算机视觉研究院专栏
作者：Edison_G
在传统的目标检测框架中，从图像识别模型继承的主干网络提取深度潜在特征，然后neck模块融合这些潜在特征以捕获不同尺度的信息。
01 前
由于目标检测中的分辨率比图像识别中的分辨率大得多，因此主干的计算成本通常会主导总推理成本。
这种沉重的主干设计范式主要是由于将图像识别模型转移
版权声明：本文为CSDN博主「计算机视觉研究院」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/gzq0723/article/details/122974531
一、IOU Loss上一篇文章提到L1,L2及其变种只将Bounding box的四个角点分别求loss然后相加，没有引入box四个顶点之间的相关性并且模型在训练过程中更偏向于尺寸更大的物体。在此基础上旷视在2016文章《Unit
论文标题：RandomRooms: Unsupervised Pre-training from Synthetic Shapes and Randomized Layouts for 3D Object Detection论文地
在实习中，有一个任务是训练出一个车辆检测的yolov4模型。感觉yolov4的功能好强大啊！特此记录一下自己在使用过程中的一些改动。 yolov4论文，yolov4源码 首先肯定是要配置相关的环境&#
↑↑↑关注后"星标"Datawhale每日干货 & 每月组队学习，不错过Datawhale干货 作者：陈信达，华北电力大学，Datawhale成员目标检测是计算机视觉领域的一大任务
暂无评论