位置誤差：選擇IOU最大的候選框
x，y，w，h參數(shù)的誤差
?
5-置信度誤差與優(yōu)缺點(diǎn)分析 P11 - 00:10
?
置信度損失：分類考慮
?
5-置信度誤差與優(yōu)缺點(diǎn)分析 P11 - 04:45
?
背景部分加權(quán)重參數(shù)的含義
?
5-置信度誤差與優(yōu)缺點(diǎn)分析 P11 - 05:52
?
類別誤差
?
5-置信度誤差與優(yōu)缺點(diǎn)分析 P11 - 07:55
?
NMS：解決候選框重疊，選置信度最大的
?
5-置信度誤差與優(yōu)缺點(diǎn)分析 P11 - 09:04
?
YOLOv1的問題
1、重疊檢測不到
2、小目標(biāo)檢測效果差
?
V2版本細(xì)節(jié)升級概述 P12 - 01:04
?
YoLov2的BN
?
V2版本細(xì)節(jié)升級概述 P12 - 02:14
?
BN做了什么
但凡有了conv都要加BN
?
2-網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn) P13 - 00:43
?
v1為什么不用448訓(xùn)練
?
2-網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn) P13 - 02:53
?
網(wǎng)絡(luò)結(jié)構(gòu)
vs 1代
?
3-架構(gòu)細(xì)節(jié)解讀 P14 - 04:32
?
1x1 卷積的作用
?
4-基于聚類來選擇先驗框尺寸 P15 - 00:30
?
yolov2先驗框設(shè)計
加不加先驗框?qū)Y(jié)果的影響
雖然結(jié)果變化不大，但是查全率更高
坐標(biāo)的改進(jìn)
相對值
感受野是干嘛的
感受野對卷積核的要求
卷積核大點(diǎn)好還是小點(diǎn)好
小的好，參數(shù)少
?
8-特征融合改進(jìn) P19 - 00:27
?
特征融合的目的
?
8-特征融合改進(jìn) P19 - 05:12
?
v2多尺度
?
1-V3版本改進(jìn)概述 P20 - 04:27
?
v3的改進(jìn)
?
2-多scale方法改進(jìn)與特征融合 P21 - 00:27
?
v2是如何處理多尺度的：一股腦融合
好嗎？
?
2-多scale方法改進(jìn)與特征融合 P21 - 01:42
?
v3改進(jìn)：術(shù)業(yè)有專攻
?
2-多scale方法改進(jìn)與特征融合 P21 - 02:18
?
具體細(xì)節(jié)
每個特征圖分別對不同大小的物體檢測，各設(shè)置3個先驗框
?
2-多scale方法改進(jìn)與特征融合 P21 - 05:46
?
如何融合
?
3-經(jīng)典變換方法對比分析 P22 - 00:07
?
尺度變換方法
1、圖像金字塔：速度慢，不適用于yolo 2、單一的結(jié)果（適用于喲咯）
3、分別利用不同特征圖信息（52*52的不一定能預(yù)測的好）
4、融合特征圖
?
5-整體網(wǎng)絡(luò)模型架構(gòu)分析 P24 - 00:41
?
v3網(wǎng)絡(luò)結(jié)構(gòu)：沒有FC和BN
卷積省時省力，效果好，別的東西能不用就不用
?
5-整體網(wǎng)絡(luò)模型架構(gòu)分析 P24 - 02:20
?
?
6-先驗框設(shè)計改進(jìn) P25 - 00:19
?
?
6-先驗框設(shè)計改進(jìn) P25 - 02:29
?
?
6-先驗框設(shè)計改進(jìn) P25 - 04:43
?
先驗框的效果
?
7-sotfmax層改進(jìn) P26 - 00:07
?
softmax改進(jìn)：一個物體可能屬于多個標(biāo)簽
?
2-V4版本貢獻(xiàn)解讀 P52 - 01:54
?
v4兩個核心方法
?
2-V4版本貢獻(xiàn)解讀 P52 - 02:45
?
網(wǎng)絡(luò)設(shè)計：1、提特征 2、特征融合（注意力機(jī)制等小細(xì)節(jié)）3、頭
?
3-數(shù)據(jù)增強(qiáng)策略分析 P53 - 00:19
?
BOF
?
3-數(shù)據(jù)增強(qiáng)策略分析 P53 - 02:28
?
數(shù)據(jù)增強(qiáng)
?
3-數(shù)據(jù)增強(qiáng)策略分析 P53 - 06:46
?
四個圖像拼接的目的：batch不變（考慮顯存），batch-size變?yōu)樵瓉淼?倍
?
4-DropBlock與標(biāo)簽平滑方法 P54 - 00:21
?
增加噪音干擾
?
4-DropBlock與標(biāo)簽平滑方法 P54 - 01:08
?
dropout是什么：隨機(jī)殺掉一些點(diǎn)，難度太低
?
4-DropBlock與標(biāo)簽平滑方法 P54 - 03:09
?
dropblock
?
4-DropBlock與標(biāo)簽平滑方法 P54 - 04:24
?
標(biāo)簽平滑
?
4-DropBlock與標(biāo)簽平滑方法 P54 - 06:43
?
不做標(biāo)簽平滑vs做
?
5-損失函數(shù)遇到的問題 P55 - 00:12
?
IOU損失
問題：有時候相同的IOU反映不出情況好壞
IOU=0，1-Iou=1，梯度=0，無法訓(xùn)練
?
5-損失函數(shù)遇到的問題 P55 - 03:03
?
IOU升級GIOU
問題：重疊時檢測不到
?
6-CIOU損失函數(shù)定義 P56 - 00:10
?
DIOU：沒用
?
6-CIOU損失函數(shù)定義 P56 - 03:05
?
CIOU：比DIOU多考慮長寬比
?
8-SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu) P58 - 00:58
?
?
8-SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu) P58 - 02:06
?
SPPnet
?
8-SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu) P58 - 03:51
?
CSP（很重要）
?
9-SAM注意力機(jī)制模塊 P59 - 00:18
?
CBAM
通道注意力：得到每一個類別對應(yīng)的權(quán)重值
?
9-SAM注意力機(jī)制模塊 P59 - 05:50
?
v4引入的是SAM
?
9-SAM注意力機(jī)制模塊 P59 - 07:21
?
對SAM的修改
FPN的故事
?
1-FPN層特征提取原理解讀 P81 - 00:10
?
FPN前言：圖像金字塔
?
1-FPN層特征提取原理解讀 P81 - 03:43
?
FPN的特征融合
?
1-FPN層特征提取原理解讀 P81 - 06:20
?
?
1-FPN層特征提取原理解讀 P81 - 07:48
?
1X1卷積：保證特征圖個數(shù)相同
FPN的問題：缺了底層到高層的特征傳遞
雙向？費(fèi)時間 引入pan
?
11-激活函數(shù)與整體架構(gòu)總結(jié) P61 - 00:02
?
激活函數(shù)：改進(jìn)relu
?
11-激活函數(shù)與整體架構(gòu)總結(jié) P61 - 02:38
?
后處理
?
11-激活函數(shù)與整體架構(gòu)總結(jié) P61 - 04:44
?
v4網(wǎng)絡(luò)架構(gòu)
?
11-激活函數(shù)與整體架構(gòu)總結(jié) P61 - 06:34
?
v4貢獻(xiàn)回顧
標(biāo)簽：
