you 是 mine

安装darknet1、安装git终端输入：sudo apt-get install git2、安装darknet在主文件下终端输入（即/home/***（您的服务器名字）这个目录）：git clone http://github.com/pjreddie/darknet.gitcd darknet修改makefile文件：开头部分令opencv=1，同时令NVCC = /usr/local/cuda-7.5/bin/nvcc后保存退出终端输入：make -j163、下载yolov3.

darknet训练自己的数据一. 电脑环境1. GPU: 1080TI2. CUDA:10.03. tensorflow:1.14.04. keras:2.3.15. Ubuntu18.04CUDA CUDNN等具体安装步骤见: https://blog.csdn.net/qq_28949847/article/details/110122179二. github网址https://github.com/AlexeyAB/darknet三.环境配置步骤:1. cd darknet

一、目标检测的各个组成部分 1. Input 2. Backbone 3. Neek 4. Head 共包含上面4个部分，其中可以替换的结构如下图所示： 说明：Dense Prediction:标注出图像中每个像素点的对象类别 Sparse Prediction:稀疏预测七、问题：什么情况下需要使用nms？答：图片中有多个同类目标时。同类：最大抑制只能是抑制同一类的框多个：当图片中只有1个目标时，直接输出score最高的即可，不需要nms。y

代码如下：可直接运行，带有详细注释。import numpy as npfrom PIL import Imageimport cv2def rand(a=0, b=1): return np.random.rand()*(b-a) + adef merge_bboxes(bboxes, cutx, cuty): """调节切割后ｂｏｘ""" merge_bbox = [] for i in range(len(bboxes)): for bo

主要的功能其实就是python中的装饰器，对conv2d函数进行了功能修改。from keras.layers import Conv2D这里面的Con2D进行了两处修改变为了Darknet中所需要的卷积方式（为什么要这么改呢 可以去看yolo3的论文）：1.正则化方式改为L2正则化,默认是None2.当步长为2时， padding的方式才为valid。默认情况下是步长为1，padding为valid。@wraps(Conv2D)def DarknetConv2D(*args, **kwargs