yolo是继faster-r-cnn后，原作者在目标检测领域进行的新研究。到了v3版本以后，虽然已经换人支持，但是更注重工程实践，在实际使用过程中突出感受就是
“非常快”，GPU加速以后能够达到实时多目标，并且已经完成了工程实践。下一步需要做的，应该就是
1、小型化
2、fpga化
3、垂直领域特定目标检测
这里我对一个电影的片段进行了实验，应该说图像质量很差，但是实现效果很好
。
yolo3(目标检测)实测
2018-06-08
2037
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：
yolo是继faster-r-cnn后，原作者在目标检测领域进行的新研究。到了v3版本以后，虽然已经换人支持，但是更注重工程实践，在实际使用过程中突出感受就是“非常快”，GPU加速以后能够达到实时多目标，并且已经完成了工程实践。
目录
相关文章
|
机器学习/深度学习
算法
数据挖掘
|
5月前
|
机器学习/深度学习
计算机视觉
YOLOv10实战：红外小目标实战 | 多头检测器提升小目标检测精度
本文改进： 在进行目标检测时，小目标会出现漏检或检测效果不佳等问题。YOLOv10有3个检测头，能够多尺度对目标进行检测，但对微小目标检测可能存在检测能力不佳的现象，因此添加一个微小物体的检测头，能够大量涨点，map提升明显；
多头检测器提升小目标检测精度，1）mAP50从0.666提升至0.677
958
3
3
|
7月前
|
机器学习/深度学习
计算机视觉
网络架构
|
7月前
|
机器学习/深度学习
算法
固态存储
【计算机视觉】目标检测中Faster R-CNN、R-FCN、YOLO、SSD等算法的讲解（图文解释 超详细必看）
【计算机视觉】目标检测中Faster R-CNN、R-FCN、YOLO、SSD等算法的讲解（图文解释 超详细必看）
430
0
0
|
机器学习/深度学习
PyTorch
算法框架/工具
|
人工智能
并行计算
计算机视觉
|
机器学习/深度学习
编解码
算法
详细解读 | 如何改进YOLOv3使其更好应用到小目标检测(比YOLO V4高出4%)（一）
详细解读 | 如何改进YOLOv3使其更好应用到小目标检测(比YOLO V4高出4%)（一）
486
0
0
|
算法
数据可视化
vr&ar
详细解读 | 如何改进YOLOv3使其更好应用到小目标检测(比YOLO V4高出4%)（二）
详细解读 | 如何改进YOLOv3使其更好应用到小目标检测(比YOLO V4高出4%)（二）
463
0
0
|
机器学习/深度学习
计算机视觉
索引
|
计算机视觉