目標檢測 | 基于統計自適應線性回歸的目標尺寸預測

一、簡要

今天分享的是研究者提出了基于統計自適應線性回歸的目標尺寸預測方法。YOLOv2和YOLOv3是典型的基于深度學習的對象檢測算法，它們使用統計自適應指數回歸模型設計了網絡的最后一層來預測對象的尺寸大小。

然而，由于指數函數的性質，指數回歸模型可以將損失函數的導數傳播到網絡中的所有參數中。研究者提出了統計自適應線性回歸層來緩解指數回歸模型的梯度爆炸問題。所提出的統計自適應線性回歸模型用于網絡的最后一層來預測從訓練數據集的統計數據估計目標的尺寸大小。研究者新設計了基于YOLOv3tiny網絡，它在UFPR-ALPR數據集上比YOLOv3有更高的性能。

二、背景

主要這個上韓文論文，導致本人閱讀過程比較艱難，所以今天就簡單介紹些整體框架思想，有興趣的同學可以進一步閱讀論文，深入了解！

今天我們就不介紹傳統的檢測網絡了，因為我們”計算機視覺研究院“之前分享了太多的目標檢測類干貨及實踐，想入門級進一步熟知請查看歷史分享。部分分享見下鏈接：

 往期推薦 

*博客內容為網友個人發布，僅代表博主個人觀點，如有侵權請聯系工作人員刪除。