深度学习
duzhongqiang
这个作者很懒,什么都没留下…
展开
-
yolov3、yolov4与yolov5性能对比
下面将对yolov3、yolov4与yolov5从性能方面进行对比1、yolov5四种模型之间的对比Yolov5s网络最小,速度最少,AP精度也最低。但如果检测的以大目标为主,追求速度,倒也是个不错的选择。其他的三种网络,在此基础上,不断加深加宽网络,AP精度也不断提升,但速度的消耗也在不断增加。目前使用下来,yolov5s的模型十几M大小,速度很快,线上生产效果可观,嵌入式设备可以使用。2、yolov5与yolov3的对比在相同速度时,yolov5优于yolov3,yolov5有四种模型,原创 2021-02-08 15:21:19 · 47840 阅读 · 11 评论 -
Yolov5训练及测试(Linux/Mac)
一、介绍Yolov5当前只公布了代码没有相关的论文,只能通过yolov5的代码来了解其算法。yolov5的整体模型和yolov4差别很小,Yolov5在性能上稍弱于yolov4,但是在灵活性与速度上远强于YOLO V4,在模型的快速部署上具有极强优势二、特点2.1 与yolov3对比主要有以下区别(1)输入端:Mosaic数据增强、自适应锚框计算、自适应图片缩放(2)Backbone:Focus结构,CSP结构(3)Neck:FPN+PAN结构(4)Prediction:GIOU_Loss(原创 2021-02-08 14:16:32 · 7612 阅读 · 11 评论 -
mac/linux系统中YOLOv4环境搭建与测试(cpu)
一、daknet下载git clone https://github.com/AlexeyAB/darknet.git二、编译2.1 修改Makefile文件如果仅使用cpu,则只需修改下面两项,即可OPENCV=1 # 使用opencv则设为1LIBSO=1 # 生成链接库则设为1,生成libdarknet.so,方便python接口和c++接口的调用2.2 编译cd darknetmake cleanmake注意:编译时,到最后可能会报错不能生成uselib,忽略即可,原创 2021-02-07 23:45:54 · 1830 阅读 · 0 评论 -
mac/linux系统中YOLOv3环境搭建与测试(cpu)
darknet下载git clone https://github.com/pjreddie/darknet编译cd darknetmake下载训练模型权重,用于测试https://pjreddie.com/media/files/yolov3.weights测试测试单张图片1(常用)./darknet detect cfg/yolov3.cfg yolov3.weights data/person.jpgopen predictions.jpg测试单张图片2./darkn原创 2021-02-04 17:21:14 · 1112 阅读 · 3 评论 -
Pytorch手写数字识别
pytorch手写数字识别项目介绍本项目使用pytorch实现了简单的手写数字识别,运用了三种方法,代码在GitHub1.两层全连接网络2.四层全连接网络3.四层卷积神经网络通过在代码中修改相应的参数,即可选择对应的方法,参考注释文件介绍displayMNIST.py是显示手写数字识别(NMIST)数据集mnistCPU.py是通过CPU进行训练mnistGPU.py是通过GPU进行训练运行方式先直接运行mnistCPU.py或者mnistGPU.py就可以下载数据集,数据集下载成功原创 2021-01-03 17:53:07 · 525 阅读 · 0 评论