3实验结果
3.1 激活函数的影响
3.2 残差CSP1-n和CSP2-n的影响
3.3 SOTA对比结果
3.4 实时性对比
3.5 可视化对比
4参考
[1].A fast accurate fine-grain object detection model based on YOLOv4 deep neural network
YOLOv4 改进 | 记录如何一步一步改进YOLOv4到自己的数据集（性能、速度炸裂）（二）
2023-05-24
70
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
YOLOv4 改进 | 记录如何一步一步改进YOLOv4到自己的数据集（性能、速度炸裂）（二）
相关文章
|
5月前
|
机器学习/深度学习
算法
固态存储
|
3月前
|
机器学习/深度学习
编解码
人工智能
YOLOv10真正实时端到端目标检测（原理介绍+代码详见+结构框图）| YOLOv10如何训练自己的数据集（NEU-DET为案列）
YOLOv10真正实时端到端目标检测（原理介绍+代码详见+结构框图）
345
4
4
|
数据处理
计算机视觉
Python
|
4月前
|
机器学习/深度学习
计算机视觉
|
4月前
|
测试技术
计算机视觉
【YOLOv8性能对比试验】YOLOv8n/s/m/l/x不同模型尺寸大小的实验结果对比及结论参考
【YOLOv8性能对比试验】YOLOv8n/s/m/l/x不同模型尺寸大小的实验结果对比及结论参考
1122
0
0
|
5月前
|
存储
数据可视化
计算机视觉
|
机器学习/深度学习
人工智能
算法
|
机器学习/深度学习
编解码
算法
YOLOv4 改进 | 记录如何一步一步改进YOLOv4到自己的数据集（性能、速度炸裂）（一）
YOLOv4 改进 | 记录如何一步一步改进YOLOv4到自己的数据集（性能、速度炸裂）（一）
170
0
0
|
测试技术
PyTorch
TensorFlow
Yolov5-6.2 正式发布 | Yolov5 也可以训练分类模型啦，语义分割+实例分割很快到来
Yolov5-6.2 正式发布 | Yolov5 也可以训练分类模型啦，语义分割+实例分割很快到来
523
0
0
|
机器学习/深度学习
编解码
自动驾驶