学习笔记(7):第三章:YOLO系列目标检测-模型优化模块解析及功能介绍-05
2020-07-29 22:57
447 查看
立即学习:https://edu.csdn.net/course/play/29770/438120?utm_source=blogtoedu
NMS(Non-Maximum Suppression)算法本质是搜索局部极大值,抑制非极大值元素。NMS就是需要根据score矩阵和region的坐标信息,从中找到置信度比较高的bounding box。NMS是大部分深度学习目标检测网络所需要的,大致算法流程为:
1.对所有预测框的置信度降序排序
2.选出置信度最高的预测框,确认其为正确预测,并计算他与其他预测框的IOU
3.根据2中计算的IOU去除重叠度高的,IOU>threshold就删除
4.剩下的预测框返回第1步,直到没有剩下的为止
Proposal:产生proposal区域后,使用每类网络给出每个框的每类置信度,使用回归网络修正位置,最终应用NMS。目的是在目标检测中消除多余的检测框,找到最佳的物体检测的位置。
相关文章推荐
- 目标检测系列学习笔记(RCNN系列+YOLO系列)
- Task 06 数据增强;模型微调;目标检测基础 学习笔记
- 学习笔记(05):5天Python闯关训练营-104期-Python模块扩展功能
- 【深度学习:目标检测】深度学习检测方法梳理:R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列
- 目标检测RCNN系列算法学习笔记
- 学习笔记(01):Windows版YOLOv4目标检测实战:训练自己的数据集-先验框聚类分析
- 深度学习笔记之目标检测算法系列(包括RCNN、Fast RCNN、Faster RCNN和SSD)
- DL之Yolo系列:深度学习实现目标检测之Yolo系列的论文简介、概念理解、思路配图等详细攻略
- 学习笔记(05):5天Python闯关训练营-104期-Python模块扩展功能
- 目标检测模型发展概览R-CNN系列、YOLO V3(V1、v2)
- 目标检测YOLO的学习笔记
- 目标检测经典模型学习笔记(二)VGG
- 学习笔记(01):人工智能的创新应用与实践-资深专家深度解析-深度学习目标检测算法概述...
- 学习笔记(05):轻松学Linux系列课程-IP地址介绍
- 学习笔记(05):5天Python闯关训练营-104期-Python模块扩展功能
- 学习笔记(08):深度学习之图像识别 核心技术与案例实战-目标检测模型
- 深度学习目标检测(object detection)系列(八)YOLO2
- 目标检测中YOLO网络模型的介绍
- Cocos2dx 学习笔记30 Cocos开发中性能优化工具(三):Visual Studio内存泄漏检测工具(Visual Leak Detector)
- Sharepoint学习笔记—习题系列--70-573习题解析 -(Q111-Q114)