Skip to content

GitLab

".github/vscode:/vscode.git/clone" did not exist on "34ed90b7fc4ccd2a925f98c3a82df2273c412452"
Commit c935706c authored by liucong's avatar liucong
Browse files

更新readme文档

parent 62a40bea
Hide whitespace changes
Inline Side-by-side
Showing with 4 additions and 0 deletions
README.md
View file @ c935706c
...@@ -16,6 +16,10 @@ YOLOV3是由Joseph Redmon和Ali Farhadi在2018年提出的单阶段目标检测 ...@@ -16,6 +16,10 @@ YOLOV3是由Joseph Redmon和Ali Farhadi在2018年提出的单阶段目标检测
Yolov3算法的基本思想：首先通过特征提取网络对输入提取特征，backbone部分由YOLOV2时期的Darknet19进化至Darknet53加深了网络层数，引入了Resnet中的跨层加和操作；然后结合不同卷积层的特征实现多尺度训练，一共有13x13、26x26、52x52三种分辨率，分别用来预测大、中、小的物体；每种分辨率的特征图将输入图像分成不同数量的格子，每个格子预测B个bounding box，每个bounding box预测内容包括: Location(x, y, w, h)、Confidence Score和C个类别的概率，因此YOLOv3输出层的channel数为B*(5 + C)。YOLOv3的loss函数也有三部分组成：Location误差，Confidence误差和分类误差。 Yolov3算法的基本思想：首先通过特征提取网络对输入提取特征，backbone部分由YOLOV2时期的Darknet19进化至Darknet53加深了网络层数，引入了Resnet中的跨层加和操作；然后结合不同卷积层的特征实现多尺度训练，一共有13x13、26x26、52x52三种分辨率，分别用来预测大、中、小的物体；每种分辨率的特征图将输入图像分成不同数量的格子，每个格子预测B个bounding box，每个bounding box预测内容包括: Location(x, y, w, h)、Confidence Score和C个类别的概率，因此YOLOv3输出层的channel数为B*(5 + C)。YOLOv3的loss函数也有三部分组成：Location误差，Confidence误差和分类误差。
<img src="./Doc/YOLOV3_02.png" style="zoom:100%;" align=middle>
## 环境配置 ## 环境配置
### Docker（方法一） ### Docker（方法一）
......
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment