yolo过程中的小知识点

最新推荐文章于 2024-08-27 18:13:39 发布

周月亮

最新推荐文章于 2024-08-27 18:13:39 发布

阅读量714

点赞数 1

分类专栏：计算机视觉文章标签： yolo

本文链接：https://blog.csdn.net/syysyf99/article/details/92567091

版权

本文介绍了Yolo目标检测技术的相关知识，包括mAP的计算、数据集转换、Yolo网络输出解析以及GPU、CUDA和OpenCV在训练过程中的作用。还提到了标签制作的注意事项和Python版本的打印差异。

摘要由CSDN通过智能技术生成

sudo vim /etc/apt/sources.list

而改用

sudo gedit /etc/apt/sources.list

python3 labelImg.py

mAP mean average precision
多个类别物体检测中，每一个类别都可以根据recall和precision绘制一条曲线。AP就是该曲线下的面积。mAP就是多个类别AP的平均值。
voc规范的数据集要有训练图片的源文件xml文件。但是这些文件并不能被yolo网络直接检测到，需要转为描述文件txt，里面记载每张图片出现检测物体的类别、位置和大小。
yolo网络valid出来的是多个文件夹，每个文件夹代表一个分类检测出来的所有情况，这些情况的信息是使用像素位置来表示的。例如在480*480的图片中，里面检测出来的物体框图都是使用像素位置来表示的。20171015_210945 0.006307 292.750244 123.649994 354.466797 264.518311代表着在20171015_210945图片中，检测出一个置信度为0.006307的物体，位置在292.750244 123.649994 354.466797 264.518311，表示的是方框对角的像素坐标。
yolo　you only look once
gpu:图形处理器。显卡的处理器称为gpu。gpu是专用复杂的数学和几何计算而设计的。
有了gpu，cpu就可以从图形处理的任务中解脱出来。
cudnn是用于深度神经网络的gpu加速库。
openCV是跨平台计