论文研究-Attention-YOLO：引入注意力机制的YOLO检测算法.pdf
实时目标检测算法YOLOv3的检测速度较快且精度良好，但存在边界框定位不够精确、难以区分重叠物体等不足。提出了Attention-YOLO算法，该算法借鉴了基于项的注意力机制，将通道注意力及空间注意力机制加入特征提取网络之中，使用经过筛选加权的特征向量来替换原有的特征向量进行残差融合，同时添加二阶项来减少融合过程中的信息损失并加速模型收敛。通过在COCO和PASCAL VOC数据集上的实验表明，该算法有效降低了边界框的定位误差并提升了检测精度。相比YOLOv3算法在COCO测试集上的mAP@IoU[0.5：0.95]提升了最高2.5 mAP，在PASCAL VOC 2007测试集上达到了最高81.9 mAP。
文件下载
评论信息
其他资源
- VLSI设计基础 李伟华（清晰pdf）
- msp430g2553循迹小车控制程序
- glut工具包
- Dev-Cpp5.4.0 蓝桥杯大赛版本
- 学习的方法与思维的技术
- LS-Factor-in-RUSLE-with-ArcGIS-10.x_
- 离散数学 蔡英 课后答案
- Matlab+GUIDE使用总结--Matlab+GUI界面
- Java使用Zpl调用斑马打印机
- libevent源码深度剖析 + libevent参考手册(中文版)
- Bmob图片瀑布流
- miui8波兰版极致精简
- 键控看门狗的仿真电路.DSN
- Repack_zip repacked的算法，可以用于ksw00
- 手机测试规程(GSM/GPRS手机主板测试规程)
- PBI Reading.PDF
- Everything.exe
- 李宏毅-机器学习(视频2017完整)
- crontabs.tar.gz
- 酒店管理系统需求文档
- 用stm32硬件I2C和模拟I2C读写EEPROM
- jgraph源代码
- CPNTools 软件
- OculusUtilities.unitypackage
- 高校顶岗实习管理系统
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明