发表服务
大改Yolo框架|能源消耗极低的目标检测新框架（附论文下载）.使用常规深度神经网络到脉冲神经网络转换方法应用于脉冲神经网络域时，性能下降的很多，深入分析后提出了可能的解释：一是来自逐层归一化的效率低，二是用于leaky-ReLU函数的负激活缺乏...
YOLO源于2016年收录于cs.CV中的论文《YouOnlyLookOnce:Unified,Real-TimeObjectDetection》只需看一眼：统一实时的目标检测。YOLO是目标检测速度提升的里程碑，虽然精度不如R-CNN系列模型，但比其它模型快几倍的速度，使目标检测技术可以应用在更多的场景之中。
论文地址：YOLO9000:Better,Faster,Stronger项目主页：YOLO:Real-TimeObjectDetectionCaffe实现：caffe-yolo9000（最近博客下很多人请求caffe-yolov2代码，愿意研究的我都发送了，不过这里要声明：该第三方实现相对于论文中的精度，仍有很多差距，反正我已经暂时弃坑）
Yolov1论文链接：YouOnlyLookOnce:Unified,Real-TimeObjectDetection.Yolov2解读：【论文解读】Yolo三部曲解读——Yolov2.Yolov3解读：【算法实验】能检测COCO并鉴黄的SexyYolo（含Yolov3的深度原理剖析）.【论文解读】Yolo三部曲解读——Yolov3.（您的点赞是对分享的最大认可...
YOLO网络借鉴了GoogLeNet分类网络结构。不同的是，YOLO未使用inceptionmodule，而是使用1x1卷积层（此处1x1卷积层的存在是为了跨通道信息整合）+3x3卷积层简单替代。YOLO论文中，作者还给出一个更轻快的检测网络fastYOLO，它只有9个卷积层和2
YOLOv3是一种基于深度学习的端到端实时目标检测方法，以速度快见长。
本课程将学习YOLOv3实现darknet的网络模型改进方法。具体包括：
•PASCALVOC数据集的整理、训练与测试
•EclipseIDE的安装与使用
•改进1：不显示指定类别目标的方法（增加功能）
•改进2：合并BN层...
YOLOv4的损失函数8代码比论文都早的YOLOv5检测头的改进：head部分没有任何改动，和yolov3和yolov4完全相同，也是三个输出头，stride分别是8,16,32，大输出特征图检测小物体，小输出特征图检测大物体。
论文链接：后台发送“yolox”获取论文链接。1.YOLOX1.1YOLOX-DarkNet53YOLOv3baseline以Darknet53作为Baseline，给大家介绍如何一步一步过渡到现在的YOLOX-DarkNet53。YOLOv3是以Darknet53为主干，后面再加上SPP。我们对训练策略...
然后，修改网络输入尺寸：由448×448改为416，使特征图只有一个中心。物品（特别是大的物品）更有可能出现在图像中心。YOLO的卷积层下采样率为32，因此输入尺寸变为416,输出尺寸…
2021.4.1-2021.4.30针对现有算法进行测试，并且尝试对网络参数进行修改和微调2021.5.1-2021.5.20撰写并修改毕业论文2021.5.21-2021.5.31准备答辩阅读的参考文献不少于15篇（其中近五年外文文献不少于3篇）
大改Yolo框架|能源消耗极低的目标检测新框架（附论文下载）.使用常规深度神经网络到脉冲神经网络转换方法应用于脉冲神经网络域时，性能下降的很多，深入分析后提出了可能的解释：一是来自逐层归一化的效率低，二是用于leaky-ReLU函数的负激活缺乏...
YOLO源于2016年收录于cs.CV中的论文《YouOnlyLookOnce:Unified,Real-TimeObjectDetection》只需看一眼：统一实时的目标检测。YOLO是目标检测速度提升的里程碑，虽然精度不如R-CNN系列模型，但比其它模型快几倍的速度，使目标检测技术可以应用在更多的场景之中。
论文地址：YOLO9000:Better,Faster,Stronger项目主页：YOLO:Real-TimeObjectDetectionCaffe实现：caffe-yolo9000（最近博客下很多人请求caffe-yolov2代码，愿意研究的我都发送了，不过这里要声明：该第三方实现相对于论文中的精度，仍有很多差距，反正我已经暂时弃坑）
Yolov1论文链接：YouOnlyLookOnce:Unified,Real-TimeObjectDetection.Yolov2解读：【论文解读】Yolo三部曲解读——Yolov2.Yolov3解读：【算法实验】能检测COCO并鉴黄的SexyYolo（含Yolov3的深度原理剖析）.【论文解读】Yolo三部曲解读——Yolov3.（您的点赞是对分享的最大认可...
YOLO网络借鉴了GoogLeNet分类网络结构。不同的是，YOLO未使用inceptionmodule，而是使用1x1卷积层（此处1x1卷积层的存在是为了跨通道信息整合）+3x3卷积层简单替代。YOLO论文中，作者还给出一个更轻快的检测网络fastYOLO，它只有9个卷积层和2
YOLOv3是一种基于深度学习的端到端实时目标检测方法，以速度快见长。
本课程将学习YOLOv3实现darknet的网络模型改进方法。具体包括：
•PASCALVOC数据集的整理、训练与测试
•EclipseIDE的安装与使用
•改进1：不显示指定类别目标的方法（增加功能）
•改进2：合并BN层...
YOLOv4的损失函数8代码比论文都早的YOLOv5检测头的改进：head部分没有任何改动，和yolov3和yolov4完全相同，也是三个输出头，stride分别是8,16,32，大输出特征图检测小物体，小输出特征图检测大物体。
论文链接：后台发送“yolox”获取论文链接。1.YOLOX1.1YOLOX-DarkNet53YOLOv3baseline以Darknet53作为Baseline，给大家介绍如何一步一步过渡到现在的YOLOX-DarkNet53。YOLOv3是以Darknet53为主干，后面再加上SPP。我们对训练策略...
然后，修改网络输入尺寸：由448×448改为416，使特征图只有一个中心。物品（特别是大的物品）更有可能出现在图像中心。YOLO的卷积层下采样率为32，因此输入尺寸变为416,输出尺寸…
2021.4.1-2021.4.30针对现有算法进行测试，并且尝试对网络参数进行修改和微调2021.5.1-2021.5.20撰写并修改毕业论文2021.5.21-2021.5.31准备答辩阅读的参考文献不少于15篇（其中近五年外文文献不少于3篇）
发表服务