解读Yolo2和Yolo9000目标检测系统 大讲堂 | 第6期
Yolo2的网络结构,重点分析如何产生目标边框和分类,以及相关的损失函数。
开课时间:2017/08/09 20:00 预计时长:60分钟左右
课程回放
266人报名
观看回放
课程介绍

分享主题

解读Yolo2和Yolo9000目标检测系统

 

分享内容

Yolo是Joseph Redmon和Ali Farhadi等于2015年提出的第一个基于单个神经网络的目标检测系统。在今年CVPR上,他们发表的Yolo2进一步提高了检测的精度和速度。

Yolo2的网络结构。重点分析如何产生目标边框和分类,以及相关的损失函数。训练Yolo2的第一步是在imagenet上预先学习darknet-19,在224x224图像上,它仅需5.58B浮点运算。Yolo2在VOC2007,VOC2012和COCO检测数据集上有很好的表现。

在Yolo2的基础上,两位进一步提出了Yolo9000,可以产生9418个类别的目标检测。首先需是建立一个基于wordNet结构的wordTree。这个树包含imagenet上最常用的9000个分类,还有coco的80个大类。Yolo9000的最后一层采用层次分类的方法,来计算400多个条件概率,用它来产生目标的最终分类。

 

分享人

王东,Matroid Inc. 软件架构师,提供基于Tensorflow的图像和视频的分析以及识别服务,曾就职于硅谷大企Twitter、Databricks及Houzz

 

分享时间

8月9日周三晚8点

 

课程须知
  • 本次公开课将于8月9日周三晚8点准时开始,请大家提前10分钟进入直播间
  • 公开课后两天内会上传回放视频,错过直播的同学也不要担心
  • 欢迎大家多多向嘉宾提问,问题被采纳者有机会获得神秘礼品
授课老师
投递简历
如果您对这家企业感兴趣,想要加入一同谋事,可上传您的简历。
投递简历