关于：Efficientdetの话题(技术问答) - 万象大数据平台 - 万象素材

49

WBF(Weighted Boxes Fusion)加权边界框融合算法解读

张3 发布于 2026-06-08
收藏 Efficientdet

EfficientDet阅读笔记一、论文主要贡献提出了加权的双向特征金字塔结构BiFPN：该结构用于快速的特征融合工作，显著提升了特征融合的效率与效果。提出了新的联合缩放方法：该方法将backbone、特征网络、head以及图像分辨率进行了统一处理，实现了模型在不同计算条件下的高效运行。以EfficientNet作为backbone：结合上述...

49

2023 电赛 E 题 K210 方案

张3 发布于 2026-06-08
收藏 Efficientdet

常用的目标检测算法包括R-CNN系列、YOLO系列、SSD、RetinaNet、EfficientDet、Mask R-CNN和Cascade R-CNN。具体介绍如下：R-CNN系列基于区域的目标检测算法，通过选择性搜索生成候选区域，再输入卷积神经网络进行分类和位置回归。代表算法：R-CNN、Fast R-CNN、Faster R-CNN。特点：精度高，但计算量较大...

49

你有哪些炼丹神器深度学习(rnn、cnn)调参的经验?

张3 发布于 2026-06-08
收藏 Efficientdet

深入探讨COCO数据集类别数量的谜团 COCO数据集类别数量的争议主要围绕80和90这两个数字。一些资源指出COCO数据集包含80个类别，而其他资源则显示默认的efficientdet-d1使用的是90个类别。在efficientdet-d1中，为什么默认的类别数量定为90？查阅google/automl仓库的Issue #83可以找到答案。实际上，这可能是...

49

给想学习人工智能的朋友的建议

张3 发布于 2026-06-08
收藏 Efficientdet

PP-YOLO是百度提出的基于YOLOv3改进的目标检测网络，通过组合多种优化技巧实现45.2% mAP和72.9 FPS的性能，在精度和速度上均超越YOLOv4和EfficientDet。以下是详细分析：一、核心定位与设计目标非创新架构，重工程优化PP-YOLO并非提出全新检测模型，而是基于YOLOv3的改进版本，核心目标是通过组合几乎不增加...

49

YOLOv4特征提取网络——CSPDarkNet结构解析及PyTorch实现

张3 发布于 2026-06-08
收藏 Efficientdet

相比之下，YOLOv4在转换为相同的Ultralytics PyTorch后达到了50帧，YOLOv5的速度优势明显。准确性表现在血细胞计数和检测（BCCD）数据集的测试中，经过100个epoch的训练，YOLOv5获得了大约0.895的平均精度（mAP）。研究者在EfficientDet和YOLOv4上也看到了相当的性能，但YOLOv5在全面性能改进的同时并未...

49

EfficientDet阅读笔记

张3 发布于 2026-06-08
收藏 Efficientdet

例如，PANet（Path Aggregation Network）在FPN基础上添加了自底向上的路径增强模块，通过横向连接实现双向信息流动。跳跃连接优化：在双向融合过程中，采用更高效的跳跃连接方式（如加权特征融合），减少信息损失。例如，BiFPN（EfficientDet中的改进结构）通过可学习的权重分配，动态调整不同层级特征的贡献度，...

49

rt-detr系列对比

张3 发布于 2026-06-08
收藏 Efficientdet

Big-little Net则通过串行多分支结构，学习高效的多尺度特征，提升视觉和语音识别的效率。FCN和U-Net在语义分割中展现了全卷积网络和对称结构的优势。HRNet则通过高分辨率学习，解决位置敏感任务。EfficientDet则在目标检测中兼顾效率和准确性。在输出网络方面，如SSD，通过单步多框检测简化了目标检测流程；SSH...

49

EfficientDet : 快又准,EfficientNet作者在目标检测领域的移植 | CVPR...

张3 发布于 2026-06-08
收藏 Efficientdet

难以优化。数据标记错误：小目标易被漏标或错标，影响模型学习效果。模型性能对比以EfficientDet为例，小目标（AP_S）的AP仅为12%，而大目标（AP_L）的AP为51%，两者差距近五倍。通过上述技术组合应用，可显著提升模型对小目标的检测能力，但需根据实际场景权衡计算成本与性能收益。

49

目标检测算法有哪些常用的?

张3 发布于 2026-06-08
收藏 Efficientdet

所有YOLOv5更大型号的性能都大大优于EfficientDet。6.2.较小模型 •与较小模型类似，所有YOLOv5的较小模型也以更快的速度以较大的优势优于EfficientDet。6.3.详细结果详细性能（TTA：测试时间增强）•详细结果如上文所示。（文章来源： medium.com/@sh-tsang/br... 作者：Sik-Ho ...

关于：Efficientdetの话题！

标签动态

技术问答

专栏文章

云+社区

云+市场

技术讲座

标签百科