【计算机视觉实践12】基于PP-YOLO模型的昆虫检测.pptxVIP

1基于PP-YOLO模型的昆虫检测

YOLOV3采用多尺度预测:卷积网络在在提取特征之后，用于检测的特征图相对比原图下采样了32倍。（416*416-13*13）。这时特征图的感受野比较大，适合检测图像中尺寸比较大的对象。之后特征图开始上采样，与之前的特征图融合，经过几个卷积层后得到16倍下采样的特征图。它具有中等尺度的感受野，适合检测中等尺度的对象。接下来，特征图继续上采样并与第36层特征图融合，最后得到8倍下采样的特征图。它的感受野最小，适合检测小尺寸的对象。YOLO-V3

以416*416的输入图像为例：在每个尺度的特征图的每个网格设置3个先验框，总共有13*13*3+26*26*3+52*52*3=10647个预测。每一个预测是一个(4+1+80)=85维向量，这个85维向量包含边框坐标（4个数值），边框置信度（1个数值），对象类别的概率（对于COCO数据集，有80种对象）

YOLO-V3

4YOLO-V4

5PP-YOLO

6PP-YOLO

实践部分实践：基于PP-YOLO模型的昆虫检测