【YOLO源码解读】

传统CV

主要是关于 mid-level 的 cv 技法，包括但不限于:

1. SIFT 特征点:(这个最重要)
   a. 图像平滑(高斯核卷积)
   b. 光照不变形(图像颜色变化)
   c. Image pyramid, DoG (高斯核卷积)
   d. Harris 角点 (泰勒展开)
   e. 极值点(线性插值)
   f. 特征向量的生成(旋转不变形)
2. 其他相关特征点， 包括但不限于: HoG, SURF, ORB, FAST 等
3. Haar 特征，Integral Image(积分图)
4. 传统 ML 方法:
   SVM，Decision Tree, Logistic Regression, Linear Regression, Neural Network, Adaboost

Schedule

I. Two Stage Detection

A. RCNN: NMS Series
B. Fast RCNN: ROI Series
C. Faster RCNN: RPN + Anchor
D. Some Resources

II. One Stage Detection

E. Yolo V1: 1st Trial
F. Yolo V2: Anchor + Loss G. Yolo V3: FPN
H. Yolo V4: Tricks<

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！