YOLOv4台灣登上物件偵測技術世界巔峰[2021-11-17 10:24:26]

物件辨識的關鍵:梯度消失問題

「梯度消失問題」(vanishing gradient problem):學習的反饋過程。當卷積神經網路的網路層數愈多,在訓練階段,因為反饋計算方式,每回傳一層就會損失一些資訊,越前面的網路層學習到的東西越少。
2019 年年初,廖弘源與王建堯團隊首先研發出局部殘差網路 PRNet(partial residual networks, PRNet),將資訊「分流」,減少無謂的計算量,使運算速度增加兩倍。「一開始做出 PRNet,我還是覺得效果不夠好。雖然減少計算量,大幅加快了計算的速度,但是正確率和原本相比並沒有什麼提升。」廖弘源自信的說:「我覺得這樣沒什麼意思,因為我們的目標,是做出全世界最好的物件偵測技術!」
2019 年 11 月,他們在 PRNet 的基礎上,緊接著研發出跨階段局部網路 CSPNet(cross stage partial network, CSPNet),利用分割–分流–合併的路徑,成功達到了大幅減少計算量、卻能增加學習多元性的目標。

細節參考 | 物件偵測王者 YOLOv7 2022/7/14

#AI, #object detection

Title:

Content:

##BREAK##, ##LINK##http://google.com##LINKEND##, ##IMAGE##test.jpg##IMAGEEND##, ##YOUTUBE##QH2-TGUlwu4##YOUTUBEEND##
PostTypeId:

基本設計課一,Vray, SketchUp
Date:

Admin Password:


| Delete?
亞大室內系一年級 | Created by openblogmini.sourceforge.net | CSS by Boostrap
[ Create Entry ] [ Admin: Modify Entry ] © 2015, 2016
Top