登录社区云，与社区用户共同成长
邀请您加入社区
YOLOv4通过"Bag of Freebies"和"Bag of Specials"两大技术体系，在保持高效推理速度的同时显著提升检测精度。其创新包括：Mosaic数据增强、DropBlock正则化、CIoU损失函数优化、DIoU-NMS改进，以及SPP、CSP、PAN等网络结构创新。这些技术使YOLOv4在单GPU训练条件下实现实时高精度检测，有效应对遮
我们提出了一种全卷积单级目标检测器（FCOS），以每像素预测的方式解决目标检测，类似于语义分割。几乎所有最先进的目标检测器，如RetinaNet、SSD、YOLOv3和Faster R-CNN，都依赖于预定义的锚框。相比之下，我们提出的检测器FCOS是无锚框的，也是无提案的。通过消除预定义的锚框集合，FCOS完全避免了与锚框相关的复杂计算，例如在训练期间计算重叠。更重要的是，我们还避免了与锚框相关
