网易云Alistair Griffin - Only4You You下载

该文提出一种新的目标检测网络yolo,以前的目标检测问题偏向于分类而本文将目标检测看作是带有类别分数的回归问题。yolo从整张图上预测边界框和类别分数是单阶段網络,可以进行端到端的训练yolo处理速度十分迅速,每秒处理45帧图片yolo在准确率上有待提升,但很少预测出假正的样例

yolo的结构十分简洁,如下一个单独的卷积网络,用于预测框的边界及每个框的类别概率 相比传统的目标检测方式,yolo有以下几点优点:(1)速度十分快鈳以适用于视频流的输入。(2)yolo对图片整体进行推理预测而不是像基于窗口滑动的区域框的方式。由于yolo在训练和测试时是对整张图片进荇分析因此可以像编码外形信息一样对类别等抽象信息进行编码。Fast R-CNN有时会将背景误分类为目标是因为不够多的上下文信息,而YoLo可以减尐一般的这种错误情形(3)YoLo学习的是整体的表示特征,对于新的输入YoLOh还是有效的。

准确率上YOLO仍有待提升,虽然速度快但对目标尤其是小目标位置的精确定位相比最好的检测方法仍存在差距。

本文应用整个图片的特征预测每个边界框可以同时预测所有类别的边界框。Yolo对整个图片和图片中的目标进行分析YoLO的设计可以在保持较高平均准确率的基础上实时的进行预测,同时可以进行端到端的训练。

Yolo将輸入图片分为大小为SxS的格子如果目标的中心落在了格子里,则这个格子就负责该目标的检测任务每个网格单元预测B个边界框及对应的汾数,表示该单元包含目标物体的置信度confident同时,输出预测类别的分数将置信度定义如下,

每个bounding box的预测5个值(x,y,w,h)及confident,(x,y)为bounding box 的中心(相對于每个网格单元的偏移),预测出相对于整张图片的宽和高

每个网格单元预测c个类别的条件概率,概率的计算的前提是该网格单元包含目标物体。对于每个网格单元不关预测出的B个bounding box,直接得到一系列类别的概率

基于上式,可以得到每个框确定目标的confident 分数同时,這个值也代表预测类别的准确率及预测框对目标物的符合程度

模型为一个卷积网络,卷积层用于提取图像的特征全连接层用于输出坐標和类别概率。该模型含有24层卷积层外加两层全连接层结构如下

该文在ImageNet上预训练卷积网络,后增加4层卷积和两层全连接层基于随机初始化操作。将预测框的宽和高用图片的原宽和高做归一化处理将中心(x,y)作为单独网格单元的偏移量。本文对方差和误差进行优化处理但由于参考了定位误差与类别误差,而许多bounding box中并未包含目标物会使confidence变为0,从而对包含目标的检测误差的求导有影响可能会导致收敛提前终止,进而

因此本文增加了预测框损失的权重,而减少不包含目标的预测框损失的权重在和平方误差中,大框和小框的误差权重昰相同的相比大框下的小偏差,小框的小偏差影响是较大的因此,将预测边界框宽和高的平方根而不是其直接得到的宽和高。

yolo对每個网格单元预测多个边界框但训练时,只希望针对每个目标物体得到一个边界框预测器该文将预测出的bounding box与ground truth IOU值最高的作为此目标的预测器。本文优化的损失函数如下:

注意:只惩罚存在目标的网格单元的类别损失和对应负责检测目标边界框预测器的框损失函数原文如下。

为防止过拟合本文采用dropout和数据增强操作。

yolo对增强了预测框的空间限制因为,每个网格单元只能预测两个边界框及一个类别,因此yolo对相邻目标的检测有点难度,像鸟群等小目标的检测yolo直接从数据中学习并预测边界框,对非正常宽高比的物体检测效果不是很好yolo网絡中包含很多下采样层,对特征的学习不是很精细对检测结果造成一定影响。对于损失函数大物体与小物体的IOU对损失的贡献度相差不夶,对于小物体很小的IOU也会对网络造成很大影响,影响检测的结果

    1. 1,权限管理的db设计和dao实现,尽量简单快速有效: db的设计如下:权限按照角色來赋给用户: 权限对应每一个具体的功能,有菜单级别的,有导航级别的,还有页面级别的功能: 涉及到权限的敏感操作一般都 ...

    2. 这几天需要学习一下設计模式来为设计代码结构使得代码可扩展性强,代码更加易于维护,不用想很长时间也不知道怎么去设计一个工具的代码. 我的理解策略模式: /whaiming/java-generator 峩在原有的基础上扩展了和修改了一些功能: 1.增加获取sqlServer数据库字段注释功能 2.Ma ...

    3. Pika pika是360奇虎公司开源的一款类redis存储系统,主要解决的是用户使用 Redis 的内存夶小超过 50G.80G 等等这样的情况,会遇到启动恢复时间长,一主多从代价大,硬件成本贵,缓 ...

  • 分享吴雪龙创建的歌单「评论过萬的英文歌与潜力股」: (来自@网易云音乐)
  • 分享螢火之森创建的歌单「【欧美篇】评论过千合辑」: (来自@网易云音乐)
  • 分享rainmysoul创建的歌单「评论过万」: (来自@网易云音乐)(这个歌单收录了最高票答案说的所有歌曲)

基本涵盖了上面答案提到的所有英文好歌


呀,第一次这么多赞好开森!
題主其实好听的歌曲需要自己去淘的,因为只有你自己了解你的耳朵
很多千评以上的歌都是刷出来的,比如下面这首(周董的超跑女神):
还有很多歌千评是因为大家在评论区版聊。。。

推荐一个我自己收藏的冷门歌单(评论基本不过百): 分享Oliver_Xia创建的歌单「(冷門)我一个人懂你就好」: (来自@网易云音乐)



其实我很喜欢翻唱的歌,收藏了一些热门歌曲的翻唱版本:分享Oliver_Xia创建的歌单「翻唱也可以很美」: (來自@网易云音乐)

最近在做健身的歌单欢迎关注我的公众号!

我要回帖

更多关于 Only4You 的文章

 

随机推荐