主干网络篇 | YOLOv5/v7 更换主干网络之 ResNet50/ResNet101 | 对比实验必备 1. 简介 ResNet 是近年来最受欢迎的深度卷积神经网络架构之一，它以其优异的性能和鲁棒性而著称。ResNet50 和 ResNet101 是 ResNet 家族中最常用的两个模型，它们分别具有 50 层和 101 层残差块。 YOLOv5 和 YOLOv7 是目前流行的实时目标检

一、数据准备： 1、PASCAL VOC数据集格式 2、数据扩充：做了旋转【0， 90，180，270】（备注：这里可以不做那么多许旋转，fasterrcnn在训练的时候要做图片的镜像变换）、降采样 降采样： import osimport cv2import numpy as nptry:import xml.etree.cElementTree as ETexcept

论文地址：https://arxiv.org/abs/1512.03385v1 更深层的神经网络更难以训练。我们提出了一个残差学习框架，以便于训练比以往使用的网络更深层的网络。我们明确地将层重构为学习相对于层输入的残差函数，而不是学习无参考的函数。我们提供了全面的实证证据，表明这些残差网络更容易优化，并且可以从显著增加的深度中获得准确度的提高。在ImageNet数据集上，我们评估了深度高

相关文章： 【深度学习项目一】全连接神经网络实现mnist数字识别 【深度学习项目二】卷积神经网络LeNet实现minst数字识别 【深度学习项目三】ResNet50多分类任务【十二生肖分类】 『深度学习项目四』基于ResNet101人脸特征点检测 项目链接：https://aistudio.baidu.com/aistudio/projectdetail/1932295 一、人脸检测原理简介

一些原理文章 卷积神经网络基础（卷积，池化，激活，全连接） - 知乎 PyTorch 入门与实践（六）卷积神经网络进阶（DenseNet）_pytorch conv1x1_Skr.B的博客-CSDN博客GoogLeNet网络结构的实现和详解_Dragon_0010的博客-CSDN博客一文读懂LeNet、AlexNet、VGG、GoogleNet、ResNet到底是什么？ - 知乎 使用Py