ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

YOLOV3 in pytorch

2022-02-10 18:58:44  阅读:187  来源: 互联网

标签:20 pytorch YOLOV3 https YOLOv3 com anchor


文章目录

一、准备

pytorch文档:https://pytorch.org/docs/stable/index.html
YOLOv3论文精讲:https://www.bilibili.com/video/BV1Vg411V7bJ

YOLOv3的pytorch复现-学习视频:https://www.bilibili.com/video/BV1Hp4y1y788
YOLOv3的pytorch复现-学习博客:https://blog.csdn.net/weixin_44791964/article/details/105310627
YOLOv3的pytorch复现-学习代码:https://github.com/bubbliiiing/yolo3-pytorch

二、核心点

Darknet53的骨干网络、特征金字塔、
在这里插入图片描述
概述:
网络输入图片为416*416*3,输出三个尺寸的数据结构,分别是52*52*3*(4+1+20)、26*26*3*(4+1+20)和13*13*3*(4+1+20),其中前面的S*S表示有多少个grid cell,3表示每个grid cell对应的3个anchor,每个anchor有5个参数分别是anchor中心的x、y,anchor的宽和高还有anchor的置信度,20表示VOC数据集20个类别的条件类别概率。
骨干网络Darknet53负责进行特征提取。
特征金字塔就是这三个尺寸的数据结构生成过程,骨干网络最后三层的feature map 经过卷积和上采样与上一层feature map堆叠

三、实现

标签:20,pytorch,YOLOV3,https,YOLOv3,com,anchor
来源: https://blog.csdn.net/qq_44173974/article/details/122866961

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有