yolo
- 链接
知识点
recall的意思是图中有多个物体的情况下，检测出来几个，是不是都检测到了，与单个物体的检测精度一定程度上是矛盾的- 如何计算map值？
- TP是真阳，FP是假阳，FN是假阴，TN是真阴
- precision是准确性，就是真阳性和假阳性中的真阳性比例
- recall是召回率，就是真阳性和假阴性中的真阳性比重，就是所有目标中到底有多大比例是正确的找到了的
map值就是以精度和召回率为横纵坐标，取precision最大值之后画的图与坐标轴围成的面积- 各种框(anchor box等)的介绍
- 此处的anchor框是在最终13*13的特征图中的初始框的位置和大小，需要先调整成正确的框，然后按照比例换算回原来的图片中的框
YOLO V3 针对不同大小的物体的改进
- 利用不同感受野的卷积分别预测不同大小的目标物体
- 三种不同大小的特征图分别对应三种不同的框，做到九种不同的形状
- 此处的2626的图的特征是1313的图进行插值得到26*26然后融合得到的
- 残差链接：
- 实际上就是对于中间的两层， 假如加上这两层的效果变好了，那么会使得这两层具有正常的参数。但是假如加上这两层效果反而变差了，那么这两层的参数会逐渐趋向于0，使得这两层失去价值，最终结果不可能比原来差
- yolo V3不需要池化层，通过stride增加为2将其特征图缩小
- 网络的输出类型
