YOLO-NANO

YOLOX：Exceeding YOLO Series in 2021

ExceedingYOLOSeriesin2021一引言二SimOTA将YOLO检测器切换为无锚方式，并采用其他先进技术，解耦的头部和领先的标签分配策略SimOTA，以实现跨大规模模型范围的最新成果：对于仅有0.91M参数和1.08GFLOPs的YOLO-Nano
桑_榆·2023-08-08 09:46

YOLOX论文逐句翻译

对于YOLO-NANO，我们只用0.91M的参数，且每秒浮点运算次数达到1.08
一尘染·2022-11-19 12:47

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

YOLOX:Exceeding YOLO Series in 2021

结果对于YOLO-Nano，所提方法仅需0.91M参数+1.08GFLOPs取得了25.3%AP指标，以1.8%超越了NanoDet。
_忙中偷闲_·2021-12-09 11:32

【Yolo系列】YOLO-NANO

链接：https://arxiv.org/abs/1910.01271开源代码：https://github.com/liux0614/yolo_nano/issues/5YOLONano大小只有4.0MB左右，比TinyYOLOv2和TinyYOLOv3分别小了15.1倍和8.3倍，性能却有较为显著的提升。目标检测在计算机视觉领域是一个活跃的研究分支，而深度学习已经成为这一领域最前沿也是最成功的
阿光砸瓮·2020-08-11 20:08

yolo-nano详解

yolo-nano详解简介论文：https://arxiv.org/abs/1910.01271在本文中，来自滑铁卢大学与DarwinAI的研究者提出了名为YOLONano的网络，他们通过人与机器协同设计模型架构大大提升了性能
小楞·2020-06-25 06:07
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他