腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
程序员一一涤生
同步自“程序员一一涤生”公众号。
专栏作者
举报
118
文章
199619
阅读量
43
订阅数
订阅专栏
申请加入专栏
全部文章
深度学习
编程算法
网站
神经网络
人工智能
机器学习
http
python
sql
数据库
NLP 服务
java
机器人
oracle
html
linux
网络安全
ide
json
tomcat
图像识别
https
bash
xml
access
bash 指令
开源
决策树
php
git
github
官方文档
tensorflow
node.js
ajax
flask
打包
apt-get
spring
GPU 云服务器
批量计算
访问管理
机器翻译
腾讯云测试服务
mongodb
微服务
map
费用中心
人脸识别
c++
javascript
jsp
jquery
android
mvc
api
jar
全文检索
容器镜像服务
NAT 网关
云推荐引擎
运维
jdk
卷积神经网络
erp
面向对象编程
dns
opencv
jdbc
hashmap
ftp
keras
pytorch
tcp/ip
scikit-learn
uml
windows
数据可视化
nat
虚拟化
sdk
ghost
add
char
database
ddl
error
executorservice
key
next
precision
rank
sample
size
threadpoolexecutor
队列
线程池
注解
字符串
搜索文章
搜索
搜索
关闭
手把手教你用深度学习做物体检测(五):YOLOv1介绍
深度学习
人工智能
机器学习
神经网络
卷积神经网络
我们提出YOLO,一种新的目标检测方法。以前的目标检测是用分类的方式来检测,而我们将目标检测定义成回归问题,从空间上分隔出边界框和相关的类别概率。这是一个简洁的神经网络,看一次全图后,就能直接从全图预测目标的边界框和类别概率。因为整个检测线是一个单一的网络,在检测效果上,可以直接做端到端的优化。我们的统一架构非常快。我们的基础YOLO模型每秒可以处理45帧图片。该网络的一个更小的版本——Fast YOLO,每秒可以处理155帧图片,其mAP依然能达到其他实时检测模型的2倍。对比最先进的检测系统,YOLO有更多的定位误差,和更少的背景误检情况(把背景预测成目标)。最终,YOLO学到检测目标的非常通用的表示。在从自然图片到其他领域,比如艺术画方面,YOLO的泛化能力胜过其他检测方法,包括DPM和R-CNN。
程序员一一涤生
2019-09-10
1.3K
0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档