卷積神經網路互動視覺化系統


介紹

本網頁介紹YOLO v2及卷積神經網路的運作框架,

解析物件偵測演算法的運作過程,

以JavaScript中D3.js library圖像視覺化的方式,

用動圖來介紹 YOLO v2演算法的架構及卷積神經網路

運作的方法。



Two Stage & One Stage

深度學習的發展進程,傳統CNN都是使用Two Stage。
Two Stage就是在辨識的動作上,分為兩個步驟,首先,將圖像中可能為目標的物件定位,再放入分類器做分類。





One Stage則是將兩者合併,在標示物件位置時,辨識出目標物件的種類。






You Olny Look Once

One stage 最具代表性的作品就是You Olny Look Once (YOLO)。
YOLO為圖像分類的物件偵測系統,是基於卷積神經網路為基底改善後的模型。
在物件識別的速度與準確率上獲得卓越的成績,尤其,在即時辨識上有不錯表現。




網頁架構

主頁

github

模組一:YOLOv2網路框架視覺化

github

模組二:卷積運算視覺化

github

模組三:錨框視覺化

github


相關網站

R2D3


playground.tensorflow


YOLOv2演算法可視化