计算机视觉算法开发与落地

后来发现，更重要的是括号中的一句。因为我运行的环境是linux环境，而整套程序来自Windows，对于源码cpp来说，不可能有影响，因为一般cpp在Windows下调试的差不多了，才会移植到linux环境下调试，这不可能有问题。后来我又在终端输出一些调试点，发现是在调用darknet模型时报的错，调用接口肯定没问题啊，之前一直用的，难道是模型文件问题，也不应该啊，之前也一直用这个模型。后来不知怎么的鬼使神差似得把模型文件又重新拷贝一次，这次直接从linux本地拷贝，再次运行应用程序，发现问题没有了。

yolov3中卷积层，池化层，yolo层理解，卷积核，卷积通道数等相关名词解释。

OPENMP编译项对推理速度的影响

darknet53经典基础网络，yolov3边界框预测原理等学习笔记。

yolov2学习与总结，欢迎大家指点。

yolov1学习笔记

解决pjreddie版darknet在cudnn8.x环境下的编译问题，详细步骤与现成修改文件。

解决pjreddie版darknet在cuda11环境下编译报错问题

10,14, 代表了网络预测框宽度和高度，10代表rect的高度，14代表rect宽度，即在图像中寻找宽高比为14/10的矩阵，计算它的置信度。（2）网络输入的大小影响最终的精度和推理的速度，如果对精度要求不高，但对速度有要求，一般把网络输入的width和height调小一点（下图8,9行为网络的输入），（6）锚点设置的六个宽高比应尽可能的不同，以增加检测的稳定性和精度，从锚点设置的默认值即可看出。（3）anchor一般都要修改，如果不改，最终的精度会有所影响，最好修改下。但其值必须是32的整数倍。

目录1.训练生成log日志2.训练结果可视化2.1从log日志提取loss数据2.2 将loss文件和iou文件的数据取出2.3 脚本执行过程常见问题环境：ubuntu系统1.训练生成log日志训练的脚本命令如下，在darknet应用程序文件目录下执行即可：/darknet detector train cfg/voc.data cfg/yolov3-tiny.cfg yolov3-tiny.conv.15 -gpus 0,1,2 >> train.log

yolov4只有在新版的darknet下才有，老版的已经不更新了，新版作者alexeyab的地址：https://codechina.csdn.net/mirrors/alexeyab/darknet?utm_source=csdn_github_accelerator在编译新版darknet时需注意cuda的版本需要10.2以上，否则编译通不过会报错。编译过程可能会遇到的问题：1. cuda版过低报错；2. cuda安装失败或配置失败报错，一般报错信息如下：- /bin/sh: 1: nv

1.载入模型与网络文件，网络预处理string CfgPath="...\\name.cfg";string WeightsPath="...\\name.weights";network net = load_network((char*)CfgPath.c_str(), (char*)WeightsPath.c_str(), 0);///加载网络，加载成功，终端会打印出网络各层set_batch_network(net, 1);///设置网络batch, 预测时batch必须设置为12.

darknet框架yolov3目标检测训练实践报错总结。

darknet框架图像分类模型训练，测试，官网译文

目录1.安装GStreamer2.安装opencv3.安装darknet4.视频测试常见错误：《darknet框架下yolov3实战（一）》写了基本的训练和测试过程，本文主要写使用模型进行视频测试。使用模型进行视频测试必须在编译darknet的时候要安装opencv。1.安装GStreamer安装命令如下：apt-get install libgstrea...

基于darknet的目标检测训练，测试教程。