yolo系列学习
stay or leave
这个作者很懒,什么都没留下…
展开
-
目标检测 YOLOv5 开源代码项目调试与讲解实战土堆 课程笔记
(一)weight:代码如下1、权重参数会自动下载2、如果自动下载的网速较慢,可以去github上下载相应的权值,下载的方法是找到对应页面的release,操作如下图(二)source,代码如下1、default 装的是相对路径,支持文件夹,图片,视频,摄像头等格式。(三)img-size1、推理所用的尺寸,以像素为单位,较大的尺寸会有较高的精度和较慢的速度,较小的尺寸则相反。2、注意并不是输入或者输出的尺寸。(四)conf-thres锚框内包含物体的置信度。(五)iou-thres。原创 2023-05-22 11:05:09 · 706 阅读 · 0 评论 -
YOLO v5 讲解笔记
YOLO v5 讲解笔记 - 知乎原创 2023-05-20 18:47:01 · 48 阅读 · 0 评论 -
yolov4论文解读
相当于增大了batch-size,更适合于单GPU。原创 2023-05-19 18:42:00 · 539 阅读 · 0 评论 -
yolov3
1.没有池化和全连接层,全部卷积(下采样通过stride为2)。2.三种scale,更多的先验框。原创 2023-05-18 20:56:38 · 46 阅读 · 0 评论 -
基于yolov3训练自己的数据集
sh文件运行方法:打开Git Bash Here,输入bash create_custom_model.sh 2(后面的数字代表任务类别的个数),就会自动生成 yolov3-custom.cfg 文件。通过pip install labelme下载,打开anaconda prompt,切换到下载labelme的环境(我的是pytorch),输入labelme即可打开。YOLOV3的格式为Cx,Cy,W,H相对位置(取值范围0到1)。labelme的格式为x1,y1,x2,y2。原创 2023-05-18 20:53:47 · 650 阅读 · 0 评论 -
yolov2
V1训练使用图片分辨率为224*224,测试图片分辨率为448*448。V2在V1上的改进为:V2训练时额外又进行了10次448*448的微调。原创 2023-05-17 17:00:19 · 480 阅读 · 0 评论 -
yolov1
TP(True Positives)意思就是被分为了正样本,而且分对了。TN(True Negatives)意思就是被分为了负样本,而且分对了,FP(False Positives)意思就是事实上这个样本是负样本,但是你当成正的了。误报!FN(False Negatives)意思就是事实上这个样本是正样本,但是你没识别出来。漏报!原创 2023-05-17 13:21:41 · 293 阅读 · 0 评论