YOLO算法(三)—— Yolov3 & Yolo系列网络优缺点
本文共 481 字，大约阅读时间需要 1 分钟。
yolov3改进了yolov1和v2的缺点，是速度和精度最均衡的目标检测网络，重点解决了小物体检测的问题
Yolov3改进策略
①更好的主干网络（类ResNet）
②多尺度预测（类FPN）
- 聚类来得到Bbox的先验，选择9个簇以及3个尺度
- 将这9个簇均匀的分布在这3个尺度上
③更好的分类器
binary cross-entropy loss
- Softmax不适用于多标签分类
- Softmax可被独立的多个logistic分类器替代，且准确率不会下降
Darknet框架
Yolov3的源码是采用darknet框架来完成的
注意区分这个darknet框架和yolov3的darknet-19网络
- 由C语言和CUDA实现GPU显存利用效率较高
- 第三方库的依赖较少
- 容易移植到其它平台，如Windows或嵌入式设备
- Yolo主页：https://pireddie.com/darknet/yolo/
Yolo系列网络优缺点
优点
- 快速，pipline简单
- 背景误检率低
- 通用性强
但相比RCNN系列物体检测方法，YOLO具有以下缺点：
- 识别物体位置精准性差
- 召回率低
转载地址：http://soygf.baihongyu.com/
你可能感兴趣的文章
Linux下perf性能测试火焰图只显示函数地址不显示函数名的问题
查看>>
c结构体、c++结构体和c++类的区别以及错误纠正
查看>>
Linux下查看根目录各文件内存占用情况
查看>>
A星算法详解(个人认为最详细,最通俗易懂的一个版本)
查看>>
利用栈实现DFS
查看>>
逆序对的数量(递归+归并思想)
查看>>
数的范围(二分查找上下界)
查看>>
算法导论阅读顺序
查看>>
Windows程序设计:直线绘制
查看>>
linux之CentOS下文件解压方式
查看>>
Django字段的创建并连接MYSQL
查看>>
div标签布局的使用
查看>>
HTML中表格的使用
查看>>
(模板 重要)Tarjan算法解决LCA问题(PAT 1151 LCA in a Binary Tree)
查看>>
(PAT 1154) Vertex Coloring (图的广度优先遍历)
查看>>
(PAT 1115) Counting Nodes in a BST (二叉查找树-统计指定层元素个数)
查看>>
(PAT 1143) Lowest Common Ancestor (二叉查找树的LCA)
查看>>
(PAT 1061) Dating (字符串处理)
查看>>
(PAT 1118) Birds in Forest (并查集)
查看>>
数据结构 拓扑排序
查看>>