笔记
论文的脉络
先对比了和一些 其他工作的比较，比如 比 fast rcnn 更加能利用 全局的信息。
牵扯到的基础知识
iou
mAP
2. 统一的检测流程
提出了一个想法：每一个 box 如果 有 物体的中心，那么这个 box 就负责 对 这个 物体的 概率进行评估，
codebasic 的视频讲解内容
https://www.youtube.com/watch?v=ag3DLKsl2vk
2015 出来了 yolo v1 ，超过了 过往 的 滑动窗口， rcnn ,fast rcnn, faster rcnn
论文地址
https://pjreddie.com/media/files/papers/yolo_1.pdf
从原始论文引申的其他文章
14：FastRCNN
有关 yolo 的其他资料
zhihu：
https://zhuanlan.zhihu.com/p/70387154
- codebasic 的视频
https://www.youtube.com/watch?v=ag3DLKsl2vk
https://github.com/ultralytics/yolov3/wiki/Train-Custom-Data
https://towardsdatascience.com/yolo-v3-object-detection-53fb7d3bfe6b
https://michaelohanu.medium.com/yolov5-tutorial-75207a19a3aa
https://zhuanlan.zhihu.com/p/172121380
版权声明：本文为CSDN博主「非正经研究生」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/paulkg12/article/details/120824909
暂无评论