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
- 딥러닝
- 파이토치
- 팀프로젝트
- 모두의 딥러닝
- 딥러닝 공부
- TensorFlow
- 컴퓨터 비전
- 파이토치 강의 정리
- MFC 프로그래밍
- c++공부
- 골빈해커
- 파이토치 김성훈 교수님 강의 정리
- 모두의 딥러닝 예제
- object detection
- pytorch zero to all
- 딥러닝 스터디
- 영상처리
- matlab 영상처리
- pytorch
- c++
- 해리스 코너 검출
- 김성훈 교수님 PyTorch
- c언어
- c언어 정리
- 가우시안 필터링
- tensorflow 예제
- C언어 공부
- Pytorch Lecture
- 미디언 필터링
- 케라스 정리
Archives
- Today
- Total
목록YOLOv2 장점 (1)
ComputerVision Jack
YOLO 90000: Better, Faster, Stronger
YOLO 90000: Better, Faster, Stronger Abstract real-time object detection system YOLO9000 소개한다. 이는 9000개의 object categories에 대해 검출 할 수 있다. 첫 번째로 이전 방법의 새로움과 결점을 토대로 YOLO detection 방법의 다양한 향상을 제안한다. 새로운 방법을 사용하면서, multi-scale training method 똑같이 YOLOv2 모델에 적용하면서 다양한 크기와 speed와 accuracy 사이의 tradeoff에 대해 쉽게 동작할 수 있다. 마지막으로 object detection과 classification 사이의 jointly train method 제안한다. Introduction ..
Reading Paper/Object Detection
2022. 3. 30. 18:51