![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
yolov4
liushanshanshan
不断更新研究生的日常科研
展开
-
在cloab上下载github数据集方法图示
进入到程序文件夹中如果文件夹中含有压缩问文件可以用一下语句解压缩from zipfile import ZipFilefile_name=“data.zip”#opening the zip file in read me modewith ZipFile (file_name,‘r’)as zip:print(‘Extarcting of the file noow…’)zip.extarctall()print(‘Done’)语句可以用于去除不想显示的文件夹!rm -rf se...原创 2020-09-22 20:46:57 · 1758 阅读 · 0 评论 -
论文翻译Random Erasing Data Augmentationn
摘要在本文中,我们介绍了随机擦除这一新的数据训练卷积神经网络(CNN)的增广方法。在训练中,随机删除选择图像中的矩形区域并用随机值擦除其像素。在这个过程中,训练图像生成了不同层次的遮挡,降低了过拟合的风险,使模型具有鲁棒性阻塞。随机擦除无需参数学习,易于实现,可与大多数基于CNN的识别模型。尽管简单,随机删除是对常用的数据扩充技术(如随机裁剪和翻转)的补充,并且在图像分类、目标检测和人的重新识别方面产生了与强基线一致的改进。代码可从以下网址获得:点击1.前言泛化能力是卷积神经网络(CNN)的研究热点。原创 2020-09-01 20:38:00 · 409 阅读 · 0 评论 -
论文翻译YOLOv4: Optimal Speed and Accuracy of Object Detection YOLOv4:目标检测的最佳速度和精度 论文中文翻译
摘要有大量的特征被认为可以提高卷积神经网络(CNN)的精度。需要在大型数据集上对这些特性的组合进行实际测试,并对结果进行理论验证。某些特性在特定的建模中起决定性作用,而在特定的强制确定问题中起决定性作用,或仅适用于小规模数据集;而某些特性(如批处理规范化和剩余连接)则适用于大多数模型、任务和数据集。我们假设这些通用特征包括加权剩余连接(WRC)、跨阶段部分连接(CSP)、跨小批量规范化(CmBN)、自对抗训练(SAT)和Mish激活。我们使用了新功能:WR...原创 2020-06-26 22:50:23 · 1910 阅读 · 0 评论