1.v1目标检测
2.预测阶段(前向推断)
s=7,b=2,7x7x30为7x7个grid cell,30为5+5+20,5为4+1,grid cell中心点坐标,dounding box的长宽,与置信度,20为物体预测概率。
3.预测阶段 后处理 从最大概率的dounding box 开始,逐个比较,设置一个值,为两个dounding box的重合值,大于则将小概率的db置为0.
4.训练阶段(反向传播)
人为选框,训练目标尽可能拟合框。
5.v4实例演示
5.1.1 pytorch-yolov4代码下载
https://github.com/Tianxiaomo/pytorch-YOLOv4
5.1.2 权重(weights)模型下载
通过如下百度网盘链接进行权重文件下载,下载链接如下:(提取码:g0ju)
https://pan.baidu.com/s/1ZNK7FbqC2TlVKukQFqGYSw
或者谷歌云盘下载
https://drive.google.com/open?id=1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT
5.1.3下载pytorch
5.2 测试
打开cmd,激活搭建的环境,在进入到你解压的文件目录下,然后用如下命令,确保每一个文件都在对应的文件夹下(yolov4.cfg在cfg文件夹下,yolov4.weights在weight文件夹下,dog.jpg在data文件夹下)
python demo.py -cfgfile cfg/yolov4.cfg -weightfile weight/yolov4.weights -imgfile data/dog.jpg
注意:1、若没有gpu,打开demo.py文件,将use_cuda=True改为False,
文件夹下面就多了一个图片文件,咱们可以重新命名predictions_yolov4.jpg,否则你测试另外一个图片,这个就会被覆盖。之后可以在测试另外一个图片,命令如下:
python demo.py cfg/yolov4.cfg weight/yolov4.weights data/giraffe.jpg
测试结果