일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 개발흐름
- Docker
- 사회초년생 추천독서
- 기능과 역할
- TensorFlow Object Detection 사용예시
- VOC 변환
- 크롤링
- 리눅스 빌드
- paper review
- Branch 활용 개발
- 객체 탐지
- 논문분석
- TensorFlow Object Detection Model Build
- Custom Animation
- Linux build
- TensorFlow Object Detection Error
- Towards Deep Learning Models Resistant to Adversarial Attacks
- Carla
- DACON
- TensorFlow Object Detection API install
- object detection
- Paper Analysis
- Object Detection Dataset 생성
- 논문 분석
- 커스텀 애니메이션 적용
- DOTA dataset
- Git
- AI Security
- CARLA simulator
- InstructPix2Pix
Archives
- Today
- Total
목록yolov3 (1)
JSP's Deep learning

1. 요약 YOLOv3는 Residual 기법이 적용된 DarkNet-53 구조를 사용하였다. 클래스 분류에 Logistic classifiers를 사용하였다. K-means 클러스터링을 통해서 Bounding box priors을 구성했다. (Bounding box priors에 대해서는 뒤에서 설명한다) 3-scales feature map을 사용하여 feature을 추출한다. YOLOv3는 YOLOv2와 비교했을 때, 작은 객체에 대한 탐지 성능이 향상되었다. 2. 용어정리 1) Linear activation f(x) = cx의 식을 가지는 선형 활성화 함수 다중 출력이 가능하다. 미분 값이 상수이기 때문에 오차역전파를 통한 학습이 불가능하다는 특징이 존재한다. 2) Upsampling Decon..
Paper Review/Object Detection
2023. 2. 26. 00:50