://github.com/AlexeyAB/darknet论文中提到,在COCO数据集上,YOLOv4比YOLOv3提升了10%的AP和12%的fps,所以YOLOv4更加快速、精准。 达到这种...:input、backbone、neck 和 head 总结一下YOLOv4框架:Backbone:CSPDarknet53 Neck:SPP,PAN Head:YOLOv3 关于CS
CSPDarknet65:GUICG的骨架网络是CSPDarknet65,它基于Yolov4骨干网 CSPDarknet53生成的主干结构,其中包含5个跨阶段局部网络(Cross Stage Partial Network,CSP)模块和两种类型的修改以提高CSPDarknet53的性能,如图2所示。图2中每个 矩形都包含CNN层,批归一化(Batch Normalization,BN)层和Mish激活函数。CSPN中的N表 ...
3.根据权利要求2所述的机场跑道FOD图像检测方法,其特征在于,所述异物检测模型采用CSPDarkNet53模块作为特征提取网络,采用SPP模块作为特征处理模块,采用PANet模块以融合图像语义特征和浅层特征,采用CIoU损失作为回归损失函数,采用交叉熵损失函数作为分类损失函数。