yoloV3 (AlexeyAB)：费率为0.0000 - 腾讯云开发者社区 - 腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

【AlexeyAB DarkNet框架解析】九，YOLOV3损失函数代码详解(yolo_layer.c)

前言前面已经讲完了YOLOV1/V2的损失函数代码解析，今天为大家带来YOLOv3的损失函数解析。...AlexeyAB的一些更新除了上面提到的相对于YOLOV2一些基础改动，AlexeyAB大神在目标框回归过程中新增了IOU/GIOU/DIOU/CIOU Loss，并且在分类过程中新增了Focal Loss...,Cn信息， * 前四个用于定位，第五个为矩形框含有物体的置信度信息c，即矩形框中存在物体的概率为多大，而C1到Cn * 为矩形框中所包含的物体分别属于这n类物体的概率。...//这个参数在cfg文件中，值为1，这个条件语句永远不可能成立 if (best_iou > l.truth_thresh) { // 作者在YOLOV3...truth.x) break; // 如果x坐标为0则取消，因为yolov3定义了max_boxes个bbox,可能实际上没那么多 float best_iou = 0; //

3.6K5 1

增强CNN学习能力的Backbone:CSPNet

CSPNet开源了一部分cfg文件，其中一部分cfg可以直接使用AlexeyAB版Darknet还有ultralytics的yolov3运行。 1....AlexeyAB版本的darknet的首页就是这张图，使用CSPNet做backbone可以极大提升模型的准确率，在同等FPS的情况下，CSPNet准确率更有竞争力。...上图是DenseNet的示意图以及CSPDenseNet的改进，改进点在于CSPNet将浅层特征映射为两个部分，一部分经过Dense模块（图中的Partial Dense Block）,另一部分直接与Partial...论文中列举了三种FPN：第一个如（a）图所示，是最常见的FPN，在YOLOv3中使用。...值得一提的是，以上模型大部分都是基于AlexeyAB的Darknet进行的实验，也有一小部分是在ultralytics的yolov3上进行的实验，不过后者支持的并不是很完全。

4.7K2 0

您找到你想要的搜索结果了吗？

是的

没有找到

YOLOv4-Tiny来了！371 FPS！

https://github.com/AlexeyAB/darknet 很多同学一定会问，YOLOv4-Tiny相较于YOLOv4有哪些变化？删减了哪些模块或者layers？...据 Amusi 了解，目前YOLOv4作者（AlexeyAB ）并没有正式给出Tiny版的算法介绍。其实对YOLO熟悉的同学，可以先看一下 cfg文件，就能了解一些内容。...不过，Amusi 也调查到了关于YOLOv4-Tiny的细节，AlexeyAB 在github回复网友提问的内容如下： There is used resize=1.5 instead of random...AlexeyAB 还透露到将来OpenCV或者TensorRT版本的YOLOv4-Tiny速度会高达 500 - 1000 FPS！ @CSTEZCAN Thanks!...侃侃关于YOLOv4是否是YOLOv3的真正"继承者"，我想没有人比Joe Redmon（YOLOv1-v3作者）回答更合适了，他在twitter上的回复内容如下： Doesn’t matter what

3.5K2 0

手把手教你用深度学习做物体检测(三)：模型训练

本篇文章旨在快速试验使用yolov3算法训练出自己的物体检测模型，所以会重过程而轻原理，当然，原理是非常重要的，只是原理会安排在后续文章中专门进行介绍。...，也就是AlexeyAB/darknet项目。...-首先，下载AlexeyAB/darknet项目。-然后，进入项目目录,参考官网编译该项目。-接着，创建names-data目录。...这里损失值、mAP什么的如果你暂时还不清楚具体的意义，也没关系，在后续的文章中会有介绍，这里可以先直观上理解为平均损失值越小越好，mAP越接近1越好就行了。...就是所有的中文都显示成了乱码，如果你想快速知道类别检测的对不对，可以将names-data目录下的voc.names文件内容改为英文，此时你将会看到类别正常显示出来了，但是没有显示对应的置信度，置信度可以直观上理解为该目标为当前显示类别的概率以及该矩形检测框位置的置信度

1.5K2 0

【从零开始学习YOLOv3】1. YOLOv3的cfg文件解析与总结

cfg文件格式是有一定规则，虽然比较简单，但是有些地方需要对yolov3有一定程度的熟悉，才能正确设置。本文是【从零开始学习YOLOv3】的第一部分，主要讲最基础的cfg文件内容理解、设置以及总结。...下边以yolov3.cfg为例进行讲解。 1....#由于YOLOv3的下采样一般是32倍，所以宽高必须能被32整除。 #多尺度训练选择为32的倍数最小320*320，最大608*608。 #长和宽越大，对小目标越好，但是占用显存也会高，需要权衡。...#如果pad为1，padding大小为size/2，padding应该是对输入图像左边缘拓展的像素数量 activation=leaky #激活函数的类型：logistic，loggy，relu，...目前使用与darknet一致的cfg文件解析的有一些，比如原版Darknet，AlexeyAB版本的Darknet，还有一个pytorch版本的yolov3。

1.6K1 2

等待YOLOv4的期间，它还在更新

那么今天就给大家推荐一个相当优质的开源项目，堪称"不停更的YOLO" YOLOv3 ?...YOLOv3发布于2018年3月份，当时 CVer 第一时间进行了推文报道，详见：YOLOv3：你一定不能错过如今时隔快两年，YOLOv3并没有进化到YOLOv4，但不影响大家对YOLOv3的关注度。...不停更的YOLO https://github.com/AlexeyAB/darknet 本文的主人公也叫darknet，因为它一开始就是从原版fork来的。...不停更新YOLOv3及衍生网络本项目分享并实现很多其他版本的YOLOv3项目，如TensorFlow、OpenVINO、TensorRT等。 ?...同时还添加了很多YOLOv3的衍生版本，也可以称为非官方改进版本，如Gaussian YOLOv3（ICCV 2019），还有 GIoU（CVPR2019） ?

1.1K1 0

YOLO合集

CVPR2018 - YOLOv3: An Incremental Improvement 开源代码（PyTorch）：https://github.com/ultralytics/yolov3 开源代码...CVPR2020 - YOLOv4: Optimal Speed and Accuracy of Object Detection 开源代码：https://github.com/AlexeyAB/darknet

6133 0

一张图梳理YOLOv4论文

AlexeyAB大神继承了YOLOv3, 在其基础上进行持续开发，将其命名为YOLOv4。...并且得到YOLOv3作者Joseph Redmon的承认，下面是Darknet原作者的在readme中更新的声明。 ?...Darknet原作者pjreddie在readme中承认了YOLOv4 来看看YOLOv4和一些SOTA模型的对比，YOLOv4要比YOLOv3提高了近10个点。 ? FPS vs AP 1....评价：这个方法在U版YOLOv3中很早就出现了，在自己数据集上也用过，但是感觉效果并不是很稳定。...参考 https://arxiv.org/pdf/2004.10934.pdf https://github.com/AlexeyAB/darknet

1.5K2 0

YOLOv3-tiny在VS2015上使用Openvino部署

YOLOv3-tiny模型训练这部分我就不过多介绍了，我使用的是AlexeyAB版本darknet训练的YOLOv3-tiny模型(地址见附录)，得到想要的weights文件，并调用命令测试图片的检测效果无误...因为我这里使用的不是原始的Darknet，而是AlexeyAB版本的darknet，所以图像resize到416的时候是直接resize而不是letter box的方式。...具体来说修改部分的代码为： ?...然后除了这个地方，由于使用的YOLOv3-tiny，OpenVINO-YoloV3里面的cpp默认使用的是YOLOv3的Anchor，所以Anchor也对应修改一下： ?...附录 AlexAB版本Darknet：https://github.com/AlexeyAB/darknet 利用Darket 和YOLOV3训练自己的数据集(制作VOC)：https://blog.csdn.net

2K2 0

【翻译】手把手教你用AlexeyAB版Darknet

在CPU上使用AVX指令来提高了检测速度，yolov3提高了约85%。在网络多尺度训练（random=1）的时候优化了内存分配。...为了对图片中包含大量目标的数据进行训练，添加max=200或者更高的值在你cfg文件中yolo层或者region层的最后一行（YOLOv3可以检测到的目标全局最大数量为0,0615234375*(width...如何标注以及创建标注文件下面的工程提供了用于标记目标边界框并为YOLO v2&v3 生成标注文件的带图像界面软件，地址为：https://github.com/AlexeyAB/Yolo_mark。...地址为：https://raw.githubusercontent.com/AlexeyAB/darknet/master/build/darknet/x64/data/9k.labels。...地址为：https://raw.githubusercontent.com/AlexeyAB/darknet/master/build/darknet/x64/data/9k.names。

4.3K2 0

【目标检测】开源 | 吊打一切的 YOLOv4它来了

论文地址：http://arxiv.org/pdf/2004.10934v1.pdf 代码：https://github.com/alexeyab/darknet 论文名称：YOLOv4: Optimal...经过测试在MS COCO数据集上使用Tesla V100 GPU实时处理速度达到65FPS，精度为43.5％AP（65.7％AP50）。...目的：YoloV4 的基本目标是提高生产系统中神经网络的运行速度，同时为并行计算做出优化，而不是针对低计算量理论指标（BFLOP）进行优化。...几乎没有像前几代YOLO一样提出一些创新性的东西，而是大量列举了近几年以来关于目标检测的一些最新技术和成果，并对这些方法进行了大量的人工试验，可以认为是一种人工NAS，用试验的方式来选择一系列新的方法来对YOLOv3...改进：论文提出YOLOv4，相对于YOLOv3在准确率上提升了近10个点，然而速度并几乎没有下降，其主要的改进点为一下三个方面： 1、建立了一个高效强大的目标检测模型。

6874 0

刚刚，YOLOv4重磅更新！快来一睹论文真容吧！

【前言】千呼万唤始出来系列，继YOLOv3两年后，YOLOv4终于出来啦，让我们来一睹论文真容吧！ image.png ?...- 论文链接：https://arxiv.org/abs/2004.10934 - 代码地址：https://github.com/AlexeyAB/darknet YOLOv4的发布可以说是YOLO系列的集大成者

7572 0

OpenCV DNN模块官方教程(二)YoloV4目标检测实例

今天介绍第五部分：加载darknet框架的YoloV4模型做目标检测，相较于官方文档更易理解，之所以选YoloV4，是因为YoloV4现已很流行，同时YoloV4和YoloV3在OpenCV DNN模块的使用方法相似...，下面的代码只需要改动YoloV3对应的权重和配置文件就可以。.../model/coco.names"; 上面三个文件的下载地址分别是： https://raw.githubusercontent.com/AlexeyAB/darknet/master/cfg.../yolov4.cfg https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights

4.1K2 0

目标检测算法之CVPR2019 GIoU Loss

因此，一种直观的想法就是直接将IOU作为Loss来优化任务，但这存在两个问题：预测框bbox和ground truth bbox如果没有重叠，IOU就始终为0并且无法优化。...假设现在预测的bbox和ground truth bbox的坐标分别表示为：其中，，。...具体的实验结果如下所示：使用YOLOv3在PASCAL VOC 2007上的测试结果。AP值大概涨了近2个百分点。...使用YOLOv3在MS COCO上测试，关注分类损失和准确率（平均IoU值），可以看到GIoU loss提升了准确率。...1902.09630 开源代码：https://github.com/generalized-iou/g-darknet AlexAB版本Darknet支持了GIOU Loss：https://github.com/AlexeyAB

1.1K1 0

目标检测四大开源神器：Detectron2mmDetectrondarknetSimpleDet

darknet 维护团队：AlexeyAB（个人开发者） star数：11667 所属框架：darknet（基于C语言编写） https://github.com/AlexeyAB/darknet ?...本文介绍的darknet并非YOLOv1-v3作者（Joseph Redmon）的darknet，而是YOLOv4作者（AlexeyAB）的darknet，因为Joseph Redmon不再继续维护darknet...darknet中包含的目标检测模型相对上面三大神器要少很多，但个个都是扛把子的，比如YOLO、YOLOv2、YOLOv3和YOLOv4。

4.9K3 0

目标检测中常提到的IoU和mAP究竟是什么？

其具体的计算方法有很多种，这里只介绍PASCAL VOC竞赛(voc2010之前)中采用的mAP计算方法，该方法也是yolov3模型采用的评估方法，yolov3项目中如此解释mAP,暂时看不明白可以先跳过...公式(1)中规定了r会从0-1.0以0.1为步长取11个值，然后将这11个r对应的11个p累加求算术平均值就得到了AP。...对于目标检测模型一般最后都会输出一个置信度（如果样本图片中有不止一个目标，本例中只选择猫类别的置信度即可），所以可以设置一个置信度阈值，比如0.6，那么高于0.6的就认为该样本被检测为了正样本(即检测为猫...然后在这组正样本的基础上，设定一个IoU的阈值，其值为0.5（意思是检测为猫的目标的预测边界框和真实边界框的交并比要大于0.5），大于该阈值的认为是TP，其它的认为是FP。...参考文献： http://homepages.inf.ed.ac.uk/ckiw/postscript/ijcv_voc09.pdf https://github.com/AlexeyAB/darknet

3.6K6 0

深度剖析目标检测算法YOLOV4

采用卷积神经的目标检测算法大致可以分为两个流派，一类是以 R-CNN 为代表的 two-stage，另一类是以 YOLO 为代表的 one-stage， R-CNN 系列的原理：通过 ROI 提取出大约...下图是 YOLOV4 源代码的页面，github: https://github.com/AlexeyAB/darknet ?...yolov3 算法原理 ?...大于 0.5表示左边 bounding box 与 dog1 有高度的重叠，将这个 bounding box 去掉； > 重复之前的操作，直至左边列表为空...将 Base layer 一分为二，一部分通过类似残差网络得到的输出与另一部分进行 Concat 操作，将操作后的结果通过 Transition Layer。

3.1K1 0

目标检测中常提到的IoU和mAP究竟是什么？

其具体的计算方法有很多种，这里只介绍PASCAL VOC竞赛(voc2010之前)中采用的mAP计算方法，该方法也是yolov3模型采用的评估方法，yolov3项目中如此解释mAP,暂时看不明白可以先跳过...比如我们现在要在一个给定的测试样本集中计算猫这个类别的AP，过程如下：首先，AP要能概括P-R曲线的形状，其被定义为采用如下公式来计算： ?...公式(1)中规定了r会从0-1.0以0.1为步长取11个值，然后将这11个r对应的11个p累加求算术平均值就得到了AP。...然后在这组正样本的基础上，设定一个IoU的阈值，其值为0.5（意思是检测为猫的目标的预测边界框和真实边界框的交并比要大于0.5），大于该阈值的认为是TP，其它的认为是FP。...参考文献： http://homepages.inf.ed.ac.uk/ckiw/postscript/ijcv_voc09.pdf https://github.com/AlexeyAB/darknet

1.4K3 0

YOLO 系目标检测算法家族全景图！

通过联合训练策略，可实现9000多种物体的实时检测，总体mAP值为19.7。 ?...YOLOv3 YOLOv3: An Incremental Improvement 作者：Joseph Redmon, Ali Farhadi 单位：华盛顿大学论文：https://arxiv.org.../abs/1804.02767 引用 | 3363 主页：https://pjreddie.com/darknet/yolo/ Star | 18.3K 时间：2018年4月8日在320×320 YOLOv3...Hong-Yuan Mark Liao 单位：(中国台湾)中央研究院论文：https://arxiv.org/pdf/2004.10934v1.pdf 引用 | 17 代码：https://github.com/AlexeyAB...该模型的处理速度为44.35fps（GPU: NVIDIA RTX 2080 and CPU: Intel Core i7 8700K）。 ? ?

2.1K3 0

YOLO v4它来了：接棒者出现，速度效果双提升

YOLO v4 论文：https://arxiv.org/abs/2004.10934 YOLO v4 开源代码：https://github.com/AlexeyAB/darknet YOLO v4...此外，与 YOLOv3 相比，新版本的 AP 和 FPS 分别提高了 10% 和 12%。 ? 接下来，我们看下 YOLO V4 的技术细节。...YoloV4 的基本目标是提高生产系统中神经网络的运行速度，同时为并行计算做出优化，而不是针对低计算量理论指标（BFLOP）进行优化。...他们针对不同级别的检测器从不同骨干层中挑选 PANet 作为参数聚合方法，而放弃了 YOLOv3 中使用的 FPN 网络。...最后，研究者选择了 CSPDarknet53 骨干网络、SPP 额外模块、PANet 路径聚合 neck 和 YOLOv3（基于锚的）head 作为 YOLOv4 的整体架构。

1.3K5 0

点击加载更多

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭