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

ChunyeLi

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

TX2利用yolov4实时目标检测

工业级别的目标检测关注的不仅仅是精度,还有速度,能达到实时是最理想状态,一般来讲,目标检测实时大于12.5fps被认为是实时,针对TX2利用yolov4检测博主做了一个详细的

YoloV4训练自己的数据集

1-建立工作文件夹
新建一个项目文件夹,用于存放接下来训练所需要的文件。
mkdir train # 或者其他英文名切换至工作文件夹
cd train按照下图所示建立相关文件夹和文件。
.
├── JPEGImage