2020年2月15日 · YOLOv3目前是业界比较流行的检测算法，在速度和精度上相对于其他检测算法，都有很大的优势，但是今天介绍的不是YOLOv3，而是它的改进版本yolov3-SPP，在学习的同时，也随便记录一下，如果有误还请大家指出。

2022年11月16日 · YOLOv3 SPP在YOLOV3基础上添加了若干trick模块，其中重要的改进有SPP模块Mosaic图像增强CIOU替代IOU来计算交并比以及 Focal loss （尽管没有使用）。 其中涉及了很多论文，这些trick非常重要，图像分类网络到 目标检测 网络的研究中，各种trick一直在更新迭 …

2022年4月17日 · YOLOv3 SPP在YOLOV3基础上添加了若干trick模块，其中重要的改进有SPP模块Mosaic图像增强CIOU替代IOU来计算交并比以及 Focal loss （尽管没有使用）。其中涉及了很多论文，这些trick非常重要，图像分类网络到目标检测网络的研究中，各种trick一直在更新迭 …

PascalVOC数据集介绍以及使用自己的数据集进行训练: https://b23.tv/F1kSCK. YOLOv3 SPP网络原理: https://www.bilibili.com/video/BV1yi4y1g7ro?p=3. YOLOv3 SPP代码的分析: https://www.bilibili.com/video/BV1t54y1C7ra. 目标检测. Contribute to Zhang-Jing-Xuan/YoloV3SPP development by creating an account on GitHub.

yolov3中的spp结构，受spp-net的启发而来，接下来我们将一探究竟： SPP-net全名为Spatial Pyramid Pooling（空间金字塔池化结构），2015年由微软研究院的何恺明提出 主要解决两个问题： 1.有效避免了R-CNN算法对图…

借鉴了SPP-Net中的 SPP模块 ，实现了不同尺度的特征融合 和YOLOV3结构相比，在第一个预测特征层之前拆开了Convlutioanal Set，添加了SPP模块。首先，通过DarkNet输出的特征图大小是16*16*1024, 由于三个卷积层的步距为1，特征图的高宽不发生变化。

在上一篇文章中，见《Yolov3-spp系列 | yolov3spp的正负样本匹配》，介绍了yolov3spp的最难部分，就是正负样本的匹配以及损失计算，那么现在就可以了解整个训练的过程，以及验证与测试过程，在知道了yolov3spp如何进行正负样本的匹配，以及如何设置损失函数，剩下 ...

可将yolov3_spp/cfg/yolov3-spp.cfg`文件和下面图片一一对照。 第一个 [shortcut] 是和# Downsample这一层的[convolutional]融合，也就是下图框出的两个卷积层的输出进行融合。

在第一个尺度（32倍下采样）前加入的spp结构 4条并行路线，3个池化层+1个原始输入，输出的feature map宽高、通道数一样，最后再做concat 0x03 CIoU损失

2023年9月4日 · 本文介绍了YOLOv3SPP在YOLOV3基础上的改进，包括SPP模块融合全局特征、Mosaic图像增强提高模型鲁棒性、CIoU损失函数优化目标框匹配、以及Focalloss解决正负样本不平衡问题。