YOLOALL 一文了解YOLO各版本答案

来源:投稿 作者:ΔU
编辑:学姐

 YOLO相关内容:

YOLOALL 一文了解YOLO各版本答案

YOLOv1学习笔记

YOLO v2主要看这些重点

YOLO v3对网络结构做了哪些改进?

YOLOv4:目标检测的最佳速度和精度

手把手带你调参Yolo v5(一)

手把手带你调参Yolo v5(二)

YOLOv5+Tesseract-OCR 实现车牌号文本识别

yolov7在工业中的小试牛刀

 

YoloAll项目简介

相信了解YOLO的小伙伴们一定都有这样的困扰,目前YOLO各个版本数量非常多,不知道在实际场景中应该选择哪个YOLO版本。甚至有时为了比较两个不同版本的YOLO的效果,需要自己花费很长的时间去搭建环境,下载权重训练模型,非常的浪费精力,今天我就给大家分享一款GItHub上的开源项目----YOLOALL,YOLOALL能够非常方便的测试不同版本的YOLO的检测效果,并且可以针对图片、视频、摄像头进行预测,可以很方便直观的对比不同版本YOLO的检测效果和时间消耗。

下面来看一下该项目的具体教程吧!

YOLOALL安装

系统要求:

操作系统:支持Win7、Win10、Ubuntu16+

Python环境:python3.7

Cuda环境:cuda10.1(也可以不用cuda,使用cpu预测)

安装步骤:

  1. 后台回复YOLOALL获取项目源码

  2. 解压YOLOALL,进入到根目录:cd /root/of/yoloall

  3. 升级pip:python -m pip install --upgrade pip

  4. 安装依赖项:pip install -r requirements.txt

YOLOALL使用

界面简介

预测界面:用于展现预测结果

日志界面:展示一些关键的日志信息

模型管理:用于选择不同版本模型

配置及帮助:用于配置置信度,NMS阈值,图片大小等参数

图1:界面简介

启动YoloAll

第一次启动需要输入命令:python main_widget.py

刚启动YOLOAll的时候,需要等待一段时间,此时在日志界面会有相关的提示信息,需要等到日志界面出现“加载模型结束”。此时模型管理界面会出现所有加载的模型,表示模型的加载已经结束,可以进行测试了。

预测

根据提示下载完预训练模型,并放到指定文件夹后,再次点击模型管理界面的模型,就会开始创建模型,并显示创建模型成功的界面。

点击Photo按钮:选择一张图片进行预测,

点击Video按钮:选择一段视频文件进行预测,

点击Camera按钮:启动摄像头进行拍摄和预测。

图2:模型下载提示

修改参数

在预测过程中,如果需要进行CPU、GPU的切换,或者修改预测参数,例如修改图像分辨率,置信度阈值,NMS阈值等,可以在配置界面进行修改的勾选或者修改,修改完后,点击保存按钮,软件会重新创建模型,等模型创建成功后,可以继续使用新的配置进行预测。

图3:修改参数页面

预测结果

预测成功后,会在预测界面展示预测的信息,图中的方框即为预测出来的目标,红色的文字是预测的速度和FPS。大家可以切换不同的模型,进行预测结果以及耗时的对比。

图4:YOLO v3检测效果

图5:YOLO v5检测效果

项目地址:

https://github.com/DL-Practise/YoloAll/releases/tag/V2.0.1

YOLO论文+代码数据🚀🚀🚀

关注下方《学姐带你玩AI》回复“YOLO”领取

码字不易,欢迎大家点赞评论收藏!

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
YOLO(You Only Look Once)是一种基于深度学习的目标检测算法,它能够实现实时的目标检测和定位。 YOLO的发展历程大致可以分为以下几个版本: 1. YOLOv1:2015年,Joseph Redmon在论文《You Only Look Once: Unified, Real-Time Object Detection》中首次提出了YOLO算法。YOLOv1可以实现较为准确的目标检测和定位,但由于其使用的单一尺度特征图,对于小物体的检测效果较差。 2. YOLOv2:2016年,Joseph Redmon在论文《YOLO9000: Better, Faster, Stronger》中提出了YOLOv2算法。相比于YOLOv1,YOLOv2在网络结构、训练方法和预测方法等方面进行了改进,使得其检测速度更快、准确度更高。 3. YOLOv3:2018年,Joseph Redmon在论文《YOLOv3: An Incremental Improvement》中提出了YOLOv3算法。相比于YOLOv2,YOLOv3在网络结构、训练方法和预测方法等方面进行了进一步改进,使得其在检测速度和准确度方面都有了明显的提升。 4. YOLOv4:2020年,Alexey Bochkovskiy在论文《YOLOv4: Optimal Speed and Accuracy of Object Detection》中提出了YOLOv4算法。相比于YOLOv3,YOLOv4在网络结构、训练方法和预测方法等方面进行了更加彻底的改进,使得其在检测速度和准确度方面都达到了目前的最高水平。 总的来说,YOLO算法的发展历程中不断改进网络结构、训练方法和预测方法等方面,使得其在目标检测和定位方面的表现越来越好,成为了目前最受欢迎的目标检测算法之一。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值