【直播】前Twitter硅谷资深工程师解读Yolo2和Yolo9000目标检测系统(附直播微信群)

08-08 22:17 首页 AI研习社


学术青年分享会预告

  动信息

本期主题:解读Yolo2和Yolo9000目标检测系统

分享人:王东,Matroid Inc. 软件架构师,提供基于Tensorflow的图像和视频的分析以及识别服务,曾就职于硅谷大企Twitter、Databricks及Houzz

时间:8 月 9 日(周三)21:00

地点:AI 研习社微信群

  观看直播

长按或扫描下方二维码,进入 AI 研习社(okweiwu)微信交流群,明天(周三)晚上9点活动准时开始!


  内容提纲

  • Yolo是Joseph Redmon和Ali Farhadi等于2015年提出的第一个基于单个神经网络的目标检测系统。在今年CVPR上,他们发表的Yolo2进一步提高了检测的精度和速度。


  • Yolo2的网络结构。重点分析如何产生目标边框和分类,以及相关的损失函数。训练Yolo2的第一步是在imagenet上预先学习darknet-19,在224x224图像上,它仅需5.58B浮点运算。Yolo2在VOC2007,VOC2012和COCO检测数据集上有很好的表现。


  • 在Yolo2的基础上,两位进一步提出了Yolo9000,可以产生9418个类别的目标检测。首先需是建立一个基于wordNet结构的wordTree。这个树包含imagenet上最常用的9000个分类,还有coco的80个大类。Yolo9000的最后一层采用层次分类的方法,来计算400多个条件概率,用它来产生目标的最终分类。


  • 介绍Yolo9000在imagenet检测数据上的表现。


关注 AI 研习社(okweiwu),回复 1 领取

【超过 1000G 神经网络/AI/大数据、教程、论文!】


后台回复 “我要进群” 加入 AI 技术讨论群


雾霾太重?深度神经网络教你如何图像去雾!

▼▼▼


首页 - AI研习社 的更多文章: