首页 » 机器视觉 » 正文
机器视觉

目标检测 （单阶段 无锚框 实例分割 评估）

单阶段

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

无锚框目标检测算法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

小结

在这里插入图片描述
在这里插入图片描述

实例分割

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

评估

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

目标检测mAP计算

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
AP=map的均值
在这里插入图片描述

版权声明：本文为CSDN博主「ChunyeLi」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/sinat_32512123/article/details/121593084

标签：
点赞 0

ChunyeLi

我还没有学会写个人说明！

暂无评论

发表评论

相关推荐

YOLOV1论文详解
机器视觉 2025-04-03

YOLOV1论文详解

YOLOV1 1. Introduction YOLO非常简单：对于一张完整的图像，通过一个单一的卷积网络可以同时预测多个bounding boxes的回归参数和这些boxes的类别概率，并直接优化检

【darknet】1、yolov4模型训练之数据处理
机器视觉 2025-04-02

【darknet】1、yolov4模型训练之数据处理

本文主要写了使用yolov4进行模型训练前的数据准备。darknet框架使用的数据格式是yolo格式，但我们常见的目标检测数据格式是COCO和VOC.所以本文将以车辆检测为例，将coco2017和voc2007及vo

分享到：