AI大道理 - 博客园

AI大视觉（十六） | SPP（空间金字塔池化）

摘要：本文来自公众号“每日一醒” SPP 对于一个CNN模型，可以将其分为两个部分：前面包含卷积层、激活函数层、池化层的特征提取网络，下称CNN_Pre，后面的全连接网络，下称CNN_Post。许多CNN模型都对输入的图片大小有要求，实际上CNN_Pre对输入的图片没有要求，可以简单认为阅读全文

posted @ 2021-08-03 15:41 AI大道理阅读(1554) 评论(0) 推荐(0)

AI大视觉（十五） | 损失函数进化史：MSE、IOU、GIOU、DIOU、CIOU、EIOU

摘要：本文来自公众号“每日一醒” 目标检测任务的损失函数由两部分构成：Classification Loss和Bounding Box Regeression Loss。 Smooth L1 Loss L1 Loss（Mean Absolute Error，MAE）平均绝对误差（MAE）是一种用于阅读全文

posted @ 2021-07-31 11:37 AI大道理阅读(2185) 评论(0) 推荐(0)

AI大视觉（十四） | Yolo v4是如何进行改进的？

摘要：本文来自公众号“每日一醒” YOLO V4就是筛选了一些从YOLO V3发布至今，被用在各式各样检测器上，能够提高检测精度的tricks，并以YOLO V3为基础进行改进的目标检测模型。 YOLO V4在保证速度的同时，大幅提高模型的检测精度。 YOLOV4的改进 1、backbone：CSP 阅读全文

posted @ 2021-07-29 09:11 AI大道理阅读(842) 评论(0) 推荐(0)

AI大视觉（十三） | 评价指标mAP的解析与绘制

摘要：本文来自公众号“每日一醒” 在目标检测中，每张图片可能包含多个类别的多个目标。目标检测模型的评价需要同时评价模型的定位、分类效果。因此，在图像分类问题中常使用的 precision 指标不能直接用于目标检测。这时 mAP 进入了人们的视野。 IOU IOU衡量预测框和真实框的重合程度阅读全文

posted @ 2021-07-22 18:18 AI大道理阅读(848) 评论(0) 推荐(0)

AI大视觉（十二） | 1x1卷积核为什么有效？

摘要：本文来自公众号“AI大道理” 之前只是知道1x1的卷积核用在Inception模块中具有降维的作用，并没有认真的思考它是怎么样实现降维的，以及它还有哪些作用。控制特征图的深度 1x1的卷积核由于大小只有1x1，所以并不需要考虑像素跟周边像素的关系，它主要用于调节通道数，对不同的通道上的像素点阅读全文

posted @ 2021-07-06 10:28 AI大道理阅读(1054) 评论(0) 推荐(0)

AI大视觉（十一) | Yolo v3 如何进行训练？

摘要：本文来自公众号“AI大道理” yolov3训练的loss是在特征层上进行求解的。所以不管是预测值，还是真实值都要映射到特征层上。这是一个双向奔赴的过程。 loss求解（1）输入图片进行数据增强。（2）将图片输入yolov3网络获得三个特征层的预测结果。（3）三个有效特征层循环计算阅读全文

posted @ 2021-07-04 11:56 AI大道理阅读(386) 评论(0) 推荐(0)

AI大视觉（十) | Yolo v3中关于交叉熵与均方差损失函数的思考

摘要：本文来自公众号“AI大道理” 损失函数（误差函数）是关于模型输出和样本标签值之差的函数，通过对误差函数求导来调节权重参数。本质：选取恰当的函数来衡量模型输出分布和样本标签分布之间的接近程度。功能：调节权重参数损失函数是网络学习的指挥棒，它引导着网络学习的方向——能让损失函数变小的参数就是好阅读全文

posted @ 2021-07-03 11:59 AI大道理阅读(484) 评论(0) 推荐(0)

AI大视觉（九) | Yolov3 如何进行预测？

摘要：本文来自公众号“AI大道理” yolo v3的预测结果就是我们想要的最终的预测框。从原始图片到框出物体的图片，这中间经历了什么呢？预测过程（1）添加灰条 yolo v3需要输入416*416大小的图片，然而我们采集的图片未必都是这样的尺寸。若直接resize，图片会被拉伸导致失真的阅读全文

posted @ 2021-06-24 09:23 AI大道理阅读(390) 评论(0) 推荐(0)

AI大视觉（八) | Yolov3 如何调整先验框进行解码？

摘要：本文来自公众号“AI大道理” 解码就是将预测得到的调整参数应用于先验框，从而得到预测框。解码原理 YOLOv3借鉴RPN网络使用anchor boxes来预测边界框相对先验框的offsets。 YOLOv3预测边界框中心点相对于对应cell左上角位置的相对偏移值，使用sigmoid函数处理偏阅读全文

posted @ 2021-06-22 17:17 AI大道理阅读(973) 评论(0) 推荐(0)

AI大视觉（七) | 残差网络在解决什么问题？

摘要：本文来自公众号“AI大道理” 为什么会有ResNet？神经网络叠的越深，则学习出的效果就一定会越好吗？答案无疑是否定的，人们发现当模型层数增加到某种程度，模型的效果将会不升反降。也就是说，深度模型发生了退化情况。那么，为什么会出现这种情况？按理说，当我们堆叠一个模型时，理所当然的会认阅读全文

posted @ 2021-06-22 10:16 AI大道理阅读(498) 评论(0) 推荐(0)