DecoupledHead

基于轻量级模型YOLOX-Nano的菜品识别系统

ncnn-android-yolox-nano一、YOLOX简介YOLOX是一个在2021年被旷视科技公司提出的高性能且无锚框（Anchor-free）的检测器，在YOLO系列的基础上吸收近年来目标检测学术界的最新成果，如解耦头（DecoupledHead
钟良堂·2024-02-09 05:46

深度学习领域中的耦合与解耦

在阅读论文的时候应该会看到两个操作，一个是耦合，一个是解耦，经常搭配着出现的就是两个词语，耦合头（Coupledhead）以及Decoupledhead（解耦合头），那为什么要耦合，又为什么要解耦。
追忆苔上雪·2023-11-25 09:18

opencv dnn模块 示例(19) 目标检测 object_detection 之 yolox

文章目录0、前言1、网络介绍1.1、输入1.2、Backbone主干网络1.3、Neck1.4、Prediction预测输出1.4.1、DecoupledHead解耦头1.4.2、Anchor-Free1.4.3
aworkholic·2023-10-24 03:04

YOLOv5改进——加入解耦合头

YOLOv5s+解耦合头（DecoupledHead）最近，在看YOLOv5s的网络结构，看了一段时间感觉还可以，就想着在看看能不能改进一下。
帅帅帅.·2023-09-23 00:58

YOLOv5、YOLOv8改进：Decoupled Head解耦头

目录1.DecoupledHead介绍2.Yolov5加入Decoupled_Detect2.1DecoupledHead加入common.py中：2.2Decoupled_Detect加入yolo.py
陈子迩·2023-09-23 00:28

计算机视觉 day94 DDH - YOLOv5:基于双IoU感知解耦头改进的YOLOv5，用于对象检测

DDH-YOLOv5:基于双IoU感知解耦头改进的YOLOv5，用于对象检测I.IntroductionII.RelatedworkPredictionhead预测头III.Methodology3.1DecoupledHead3.2DoubleIoU‑aware3.3Training3.4InferenceIV.Experiments4.1
想太多!·2023-06-08 17:08

【目标检测】---- YOLOX 旷视2021

（Mosaic、Mixup、RandomHorizontalFlip、ColorJitter、多尺度训练）②.Backbone（Darknet53+SPP）③.Neck(FPN+PAN)④.Head(DecoupledHead
aolaf·2023-04-05 22:34

YOLOX

在这里插入图片描述](https://img-blog.csdnimg.cn/5870977002af4e5187070e617732c667.png)3.yolo-v1损失函数４.yolo-v2一、decoupledhead
Alice01010101·2023-04-01 06:25

YOLOX训练、测试、部署（python,C++）与改进

Yolox模型架构模型结构由backbonex、neck、head组成backbone:CSPDarknet53neck:PAFPNhead:DecoupledHead、AnchorFree、SimOTA1
Walker@Bruce Lee·2023-02-25 21:05

[论文笔记]YOLOX 阅读笔记

YOLOX阅读笔记YOLOX:ExceedingYOLOSeriesin2021（CVPR2021）动机解决方案Decoupledhead（解耦头）Strongdataaugmentation（数据增强
吉他A梦·2023-02-22 13:26

论文解读 TOOD: Task-aligned One-stage Object Detection

github.com/fcjian/TOODpaper:https://arxiv.org/pdf/2108.07755.pdf关键点思考起点指出传统one-stage算法在在优化目标分类和定位问题中的不足（DecoupledHead
万里鹏程转瞬至·2023-01-20 09:42

【目标检测】yolo系列yolo x学习笔记(2021年旷视)

目录一、速度和检测效果二、yoloX的改进点2.1DecoupledHead(解耦头)2.2数据增强：Mosaic+MixUp2.3AnchorFree2.4LabelAssignment(样本匹配)作者尝试了
超级无敌陈大佬的跟班·2023-01-07 13:12

Yolo系列的高效更精确的目标检测框架（附源代码）

点击上方蓝字关注我们计算机视觉研究院专栏作者：Edison_GYOLOX在YOLO系列的基础上做了许多有意思的工作，其主要贡献在于：在YOLOV3的基础上，引入了“DecoupledHead”，“DataAugmentation
计算机视觉研究院·2022-12-04 11:50

yolov5的head修改为decouple head

yolov5的head修改为decoupleheadyolox的decoupledhead结构本来想将yolov5的head修改为decoupledhead，与yolox的decouplehead对齐，
qq_34496674·2022-12-01 15:00

YOLOX简析

https://arxiv.org/pdf/2107.08430.pdf相对于YOLOv5，YOLOX主要创新点有如下两点：DecoupledheadAnchor-freeDecoupledhead为什么称为Decoupledhead
折磨王·2022-11-24 15:10

YOLOX采用的最新技术

YOLOX检测器的锚框：采用anchor-free的方式，以及使用例如网络头解耦(decoupledhead)，与以标签分配策略为主导(leadinglabelassignmentstrategySimOTA
MiltonY·2022-11-24 15:34

YOLOX: Exceeding YOLO Series in 2021 论文阅读笔记

论文阅读笔记这是一篇由旷视科技提出的2021超越YOLO系列的论文:YOLOX出处：CVPR2021摘要文章介绍了YOLO系列的一些经验改进，形成了一个新的高性能探测器——YOLOX：anchor-free（无anchor）decoupledhead
今天也学习了嗷·2022-11-22 15:01

目标检测之YOLOX: Exceeding YOLO Series in 2021

CVPR2021下载：https://arxiv.org/abs/2107.084300.摘要有几个特点：1.anchor-free2.主干网络CSPDarknet和Focus3.DecoupledHead
Diros1g·2022-11-22 15:47

yolox论文研读

yolox论文研读大家好，我是【豆干花生】，这次我带来了新的文章，与你分享~文章目录yolox论文研读一.概述二.改进1.DecoupledHead2.DataAugmentation3.AnchorFree
豆干花生·2022-11-21 06:47

yolox原理

目录1DecoupledHead1.1YOLOX的解耦头结构思考2DataAugmentation别人讲的好的文章，yolox作者写的以下正文部分内容，参考该链接如何评价旷视开源的YOLOX，效果超过YOLOv5
xd_MrCheng·2022-11-19 08:38

魔改YOLOv5/YOLOv7高阶版（魔法搭配+创新组合）

解耦头部（DecoupledHead）源自YOLOX算法，作者通过实验发现替换为DecoupledHead后，不仅是模型精度上会提高，同时网
加勒比海带66·2022-11-15 07:39

【目标检测】50、YOLOX | 回归 anchor-free 的 YOLO 依然能打！

https://github.com/Megvii-BaseDetection/YOLOX作者：旷世时间：2021.08贡献：将YOLO检测器建模成了anchor-free的形式将一些优秀的检测方法嵌入，如decoupledhead
呆呆的猫·2022-11-07 17:56

YOLOX：超越2021年前的YOLO系列

我们将YOLO检测器切换为AnchorFree方式，并采用其他先进的检测技术，即解耦头（decoupledhead）和新的标签分配策略SimOTA，以在不同模型比较中实现最先进的结果：对于YOLO-Nano
tzc_fly·2022-10-12 09:08

【目标检测-YOLO】YOLOX（第一篇）

YOLOX:ExceedingYOLOSeriesin2021摘要YOLOX：anchor-free；decoupledhead；labelassignmentstrategy：S
理心炼丹·2022-10-12 09:35

目标检测5--旷视YOLOX算法介绍

文章目录1.简介2.YoloX所做的主要工作2.1分类/回归头解耦(Decoupledhead)2.2SimOTA2.3End2EndYolo(NMSFree)2.4其他参考资料欢迎访问个人网络日志知行空间论文地址
恒友成·2022-10-12 09:01

Yolox

我也没试过啊就是发这里一起讨论啊~~勿怪啊~~我只是为了学习的搬运工,yolox也不是我做的啊只是为了讨论先一通c吧YOLOX在YOLO系列的基础上做了许多有意思的工作，其主要贡献在于：在YOLOV3的基础上，引入了“DecoupledHead
tt姐·2022-08-27 07:47

论文笔记：YOLOX

-知乎YOLOX深度解析-知乎YOLOX深度解析（二）-simOTA详解-知乎改进点：各种tricks组合，效果很好Decoupledhead加快收敛速度、提高APStrongdataaugmentationaddMosaicandMixUpintoouraugm
_击空明兮溯流光_·2022-07-24 07:36

YOLOv6：又快又准的目标检测框架开源

目录1.概述精度与速度远超YOLOv5和YOLOX的新框架2.YOLOv6关键技术介绍2.1Hardware-friendly的骨干网络设计2.2更简洁高效的DecoupledHead2.3更有效的训练策略
行*云·2022-06-28 07:03

yolov5中head修改为decouple head详解

目录yolox的decoupledhead结构对于decouplehead的改进特点疑问总结yolov5的head修改为decoupleheadyolox的decoupledhead结构本来想将yolov5
·2022-06-11 16:42

yolox全解析

.neck、4.预测端每个部分的创新，关键点是：1.输入端：mosaic，mixup图像增强2.backbone：CSPLayer层，silu激活函数3.neck：FPN，silu激活函数4.预测端：DecoupledHead
暄染落墨·2022-06-08 07:43

YOLOX的解耦头结构思考

问题YOLOX提出了一个DecoupledHead结构以代替YOLOHead，进而在YOLOv3baseline的基础上提升了1.1个百分点的mAP，那为什么解耦头结构就能够提升检测效果呢？
望~·2022-06-08 07:40

目标检测：YOLOX 解读

摘要YOLOX把YOLO系列的检测头换成了anchorfree的方式，并且采取了一些优化策略：样本分配策略：simOTA，decoupledhead（解耦头）的思想。
chairon·2022-04-10 18:27

聊聊YOLOv5、YOLOX、Nanodet

YOLOv5大家应该很熟悉了YOLOX在YOLO系列的基础上做了一系列工作，其主要贡献在于：在YOLOv3的基础上，引入了DecoupledHead，DataAug，AnchorFree和SimOTA样本匹配的方法
billyhhzh·2022-03-18 05:04

论文阅读笔记 | 目标检测算法——YOLOX

文章目录1.Introduction2.YOLOX2.1YOLOv3baseline2.2Decoupledhead2.3Strongdataaugmentation2.4Anchor-free2.5Multipositives2.6SimOTA3
Clichong·2022-03-15 07:59

Yolo系列的巅峰之作：更确的目标检测框架（附源代码）

点击上方蓝字关注我们计算机视觉研究院专栏作者：Edison_GYOLOX在YOLO系列的基础上做了许多有意思的工作，其主要贡献在于：在YOLOV3的基础上，引入了“DecoupledHead”，“DataAugmentation
计算机视觉研究院·2022-03-15 07:35

Yolo利息的王者：高效且更精确的目标检测框架（附源代码）

点击上方蓝字关注我们计算机视觉研究院专栏作者：Edison_GYOLOX在YOLO系列的基础上做了许多有意思的工作，其主要贡献在于：在YOLOV3的基础上，引入了“DecoupledHead”，“DataAugmentation
计算机视觉研究院·2022-03-15 07:35

Yolo的巅峰框架：高效更精确的目标检测框架（附源代码）

点击上方蓝字关注我们计算机视觉研究院专栏作者：Edison_GYOLOX在YOLO系列的基础上做了许多有意思的工作，其主要贡献在于：在YOLOV3的基础上，引入了“DecoupledHead”，“DataAugmentation
计算机视觉研究院·2022-03-15 07:35

YOLOX讲解

baseline2、Yolox-Darknet532.1输入端2.1.1strongaugmentationMosaic增强Mixup增强2.2backbone2.3Neck2.4Head层2.4.1DecoupledHead2.4.1.1
weixin_43981952·2022-02-16 09:39

YoloX框架：高效更精确的目标检测框架（附源代码）

点击上方蓝字关注我们计算机视觉研究院专栏作者：Edison_GYOLOX在YOLO系列的基础上做了许多有意思的工作，其主要贡献在于：在YOLOV3的基础上，引入了“DecoupledHead”，“DataAugmentation
计算机视觉研究院·2022-02-16 09:38

旷视YOLOX论文思想理解

目录引语一、训练配置二、DecoupledHead三、数据增强：Mosaic和Mix-up四、Anchor-free五、Multipositives六、OTA(OptimalTransportAssignment
Geek L·2022-02-15 07:32

YOLOX:Exceeding YOLO Series in 2021

方法网络设计YOLOv3+DarkNet53+SPP+DecoupledHead（解耦分类与回归任务）+IoU-aware分支（预测IoU置信度）DecoupledHead两个任务的梯度值和方向不一致；
_忙中偷闲_·2021-12-09 11:32

YOLOX——YOLO系列2021（中文翻译）

即Decoupledhead和先进的标签分配策略SimOTA，可以从大规模模
wuhongwuyan·2021-08-11 12:05
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他