当前位置:   article > 正文

10、YOLO系列_yolov10

yolov10

简介

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

指标分析

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

YOLO-V1

在这里插入图片描述

  • 核心思想

在这里插入图片描述

  • 网络架构

在这里插入图片描述
在这里插入图片描述

  • 损失函数

在这里插入图片描述

  • NMS(非极大值抑制)

在这里插入图片描述

  • 总结
    在这里插入图片描述

YOLO-V2

在这里插入图片描述

  • Batch Normalization

在这里插入图片描述

  • 更大分辨率
    在这里插入图片描述
  • 网络结构
    在这里插入图片描述
  • 聚类提取先验框
    在这里插入图片描述
  • Anchor Box
    在这里插入图片描述
  • Directed Location Predicti
    在这里插入图片描述
    在这里插入图片描述
  • 感受野
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
  • Fine-Grained Feature
    在这里插入图片描述
  • Multi-Scale
    在这里插入图片描述

YOLO-V3

在这里插入图片描述
在这里插入图片描述

  • 多scale
    在这里插入图片描述
  • scale变换经典方法
    在这里插入图片描述
    在这里插入图片描述
  • 残差连接-为了更好的特征
    在这里插入图片描述
  • 核心网络架构
    在这里插入图片描述
    在这里插入图片描述
  • 先验框设计
    在这里插入图片描述
    在这里插入图片描述
  • softmax层替代
    在这里插入图片描述

下载YOLO-V3源码

pip install labelme==4.5.9
pip install pyqt5
pip install pillow==4.0.0
  • 1
  • 2
  • 3
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/IT小白/article/detail/680824
推荐阅读
相关标签
  

闽ICP备14008679号