深入浅出Yolo系列之Yolov5核心基础知识完整讲解 - 知乎
深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解 - 知乎
版权声明：本文为CSDN博主「江小白jlj」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/weixin_42182534/article/details/122974022
相关推荐
目标检测中的先验框（Anchor）
什么是先验框？
了解过目标检测算法的朋友们肯定知道先验框(Anchor)的概念，那么什么是先验框，为什么要有先验框？若要解释这个问题，首先我们需要了解边界框回归原理。
b
YOLOv3学习——锚框和候选区域
YOLOv3学习之锚框和候选区域
单阶段目标检测模型YOLOv3
R-CNN系列算法需要先产生候选区域，再对候选区域做分类和位置坐标的预测，这类算法被称为两阶段目标检测算法。近几年，很多研究人员相继
IoU，GIoU，DIoU、CIoU详解
IoU：使用最广泛的检测框loss。 GIoU：2019年CVPR Generalized Intersection over Union: A Metric and A Loss for Bounding Box
YOLOv1损失函数代码详解
V1损失函数： 1、标注图像某位置有目标，预测为有>计算not response loss 未响应损失以及box框的坐标等的信息对应蓝色框和红色框
其代码为： # # # # # # # # # #
暂无评论