目录step1 基本环境step2 准备工作step3 制作数据集step4 训练 学习深度学习目标检测的yolo模型有一段时间了，但是一直没有真正接触最底层的网络构建和训练，之前在Darknet官网上看到有关于训练yolo模型的方法，但是是基于linux操作系统的，那时候还没有接触虚拟机和双系统，于是就搁浅了。其实有不少深度学习框架都已经对yolo进行了复现，比如Tensorflow、Kera
YOLOv3是YOLO目标检测算法的一个重要版本，它的主要思想是将目标检测问题处理成回归问题，并将图像分为S×S的网格。如果一个目标的中心落入某个格子中，那么该格子就负责检测该目标。 1、网络结构 YOLO系
转载
2024-01-21 07:04:54
396阅读
《You Only Look Once: Unified,Real-Time Object Detection》YOLO(You Only Look Once)属于 one-stage 方法。相比于 two-stage 的 RCNN系列，YOLO 的优势在于速度快，并且，与其他实时(real time)检测方法相比，YOLO的准确率更高。YOLO 只有一个神经网络，输入一张图片可以直接输出目标位置
转载
2024-05-16 21:04:19
582阅读
YOLO系列简单学习
网络细节资料很多，不做赘述，主要总结演化思路和解决问题。一、YOLO1、网络简介YOLO网络结构由24个卷积层与2个全连接层构成，网络入口为448x448(v2为416x416)，图片进入网络先经过resize，输出格式为： 其中，S为划分网格数，B为每个网格负责目标个数，C为类别个数。B表示每个小格对应B组可
转载
2023-12-20 17:50:30
272阅读
目标检测系列之YOLOv5-yolo.py代码讲解,yolo.py文件主要工作是搭建了YOLOv5网络模型，yolo.py文件也可以单独运行。 YOLOv5中yolo.py代码的讲解，本文使用的YOLOV5-v6版本，小伙伴们可以自行去github上下载。 关于yolov5s.yarm文件的介绍可以参考另一篇博客，一、总体代码讲解废话不多说直接上代码。# YOLOv5 ? by
转载
2024-02-16 10:22:03
47阅读
YOLO的作者又放出了V3版本，在之前的版本上做出了一些改进，达到了更好的性能。这篇博客介绍这篇论文：YOLOv3: An Incremental Improvement。下面这张图是YOLO V3与RetinaNet的比较。可以使用搜索功能，在本博客内搜索YOLO前作的论文阅读和代码。YOLO v3比你们不知道高到哪里去了YOLO v3在保持其一贯的检测速度快的特点前提下，性能又有了提升：输入图
YOLO 是的缩写，是一种用于目标检测的深度学习算法。它以其实时性能和高效率在计算机视觉领域中广受欢迎。YOLO 的核心思想是将目标检测问题的类别和位置。
这里的YOLO是指YOLO v1算法。一、YOLO主要思想（key idea）：将物体检测这个问题定义为bounding box和分类置信度的回归问题。将整张图像作为输入，划分成SxS grid（7×7网格），每个cell（格子）预测B个bounding box（x, y, w, h）及对应的分类置信度（class-specific confidence score）。分类置信度是bounding
转载
2024-01-05 20:03:27
99阅读
关于YOLOYOLO的意思是 you only look once，比起想RCNN，FAST RCNN这些two stage的方法，YOLO仅仅需要扫描一遍图像，而不需要另外再寻找ROI，感兴趣的区域。YOLOv3是2018年发明的算法，并且所发表的论文也较为简短。以下是YOLOv3的网络结构图： 上图三个蓝色方框内表示Yolov3的三个基本组件： （1）CBL：Yolov3网络结构中的最小组件，
yolov4的网络模型主要分为4个部分1. 主干特征提取网络，CSPDarkent53相比 yolov3的Darknet53， yolov4的CSPDarknet53网络有如下特点1.1 Msih激活函数Mish = x * K.tanh(K.softplus(x)) 其中：softplus = ln(1 + e^x)Mish激活函数在输入是负值的时候并不是完全截断，允许负梯度的流入，保证了信息
转载
2023-10-11 07:20:50
178阅读
龙芯是基于什么架构？这个问题进入了许多技术分析的视野，一时间关于龙芯的研究热度不减。本文将对这一问题进行全面探讨，包括背景描述、技术原理、架构解析、源码分析、性能优化和应用场景，以便于更好地理解龙芯这一技术背景。
在关于龙芯的背景描述中，我们来看看这款国产CPU的地位和发展历程。“龙芯是一款由中国科学院计算技术研究所开发的处理器系列，基于MIPS架构，旨在满足国家在信息技术领域的自主可控需求。”
请求某某数据，然后返回某某数据，这大概就是程序的本质了吧。请求某某数据之前，我们首先必须拥有某某数据。我们怎么才能有某某数据呢？1）这就涉及到什么是数据？百度一下，直接给结论：
数据(data)是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的的原始素材。
数据可以是连续的值，比如声音、图像，称为
模拟数据。也可以是离散的，如符号、文字，称为
目录1. 概述精度与速度远超 YOLOv5 和 YOLOX 的新框架2. YOLOv6关键技术介绍2.1 Hardware-friendly 的骨干网络设计2.2 更简洁高效的 Decoupled Head2.3 更有效的训练策略3. 实验结果4. 总结与展望5. 参考文献1. 概述YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。本框架同时专注于检测的精度和推理效率，在工业界
转载
2024-01-27 19:43:04
80阅读
# 理解Slurm架构的基础
在计算集群管理中，Slurm（Simple Linux Utility for Resource Management）是一种广泛使用的开源资源管理和作业调度系统。对于刚入行的小白来说，掌握Slurm的架构是非常重要的。本文将带您一步步了解Slurm的架构及其实现流程。
## 流程步骤
下面是学习Slurm架构的主要步骤：
| 步骤 | 描述
原创
2024-09-12 04:22:28
165阅读
论文： YOLO9000：Better，Faster，Stronger YOLO9000是CVPR2017的最佳论文提名。首先讲一下这篇文章一共介绍了YOLO v2和YOLO9000两个模型，二者略有不同。前者主要是YOLO的升级版（关于YOL
转载
2024-09-05 22:03:50
23阅读
1. 概述YOLOv6 是美团视觉智能部研发的一款目标检测框架，致力于工业应用。本框架同时专注于检测的精度和推理效率，在工业界常用的尺寸模型中：YOLOv6-nano 在 COCO 上精度可达 35.0% AP，在 T4 上推理速度可达 1242 FPS；YOLOv6-s 在 COCO 上精度可达 43.1% AP，在 T4 上推理速度可达 520 FPS。在部署方面，YOLOv6 支持 GPU
转载
2023-12-26 20:57:31
225阅读
sql server的优点众多,让其在数据库领域独占鳌头,成为最受欢迎的数据库系统,其优缺点也自然是喜爱者们所关注的,首先了解一下它的历史: sql server是一个关系型数据库管理系统,最初是由Microsoft， Sybase和Ashton-Tate三家公司共同开发的于1988 年推出了第一个OS/2 版本，在Windows NT 推出后，Micros
转载
2024-01-11 21:07:04
48阅读
一、YOLO v11、网络结构（1）最后一层使用线性激活函数；（2）其他各层使用leaky ReLU的激活函数：2、Training(1) 将原图划分为SxS的网格。如果一个目标的中心落入某个格子，这个格子就负责检测该目标，即Pr(object)=1。S取7；(2) 每个网格要预测C个类别概率Pr(classi|object)，C为20（不需要表示背景这一类，因为这20类概率都为0即表示为背景）。
转载
2024-01-14 21:55:22
324阅读
Alpha版: 也写作α版（阿尔法 ，希腊字母的第一位，代表最初的版本），Alpha是内部测试版 ，此版本表示该软件在此阶段主要是以实现软件功能为主 ，通常只在软件开发者内部交流，一般而言，该版本软件的Bug较多，需要继续修改，除非你也是测试人员，否则不建议使用。 Beta版: β, 中文称作贝塔版 ，可以理解成为公测版 ，该版本相对于α版已有了很大的改进，消除了严重的错误 ，但还是存在着一些缺陷
转载
2023-11-24 19:54:43
9阅读
赤池信息量准则[1] 赤池信息量准则，即Akaike information criterion、简称AIC，是衡量统计模型拟合优良性的一种标准，是由日本统计学家赤池弘次创立和发展的。赤池信息量准则建立在熵的概念基础上，可以权衡所估计模型的复杂度和此模型拟合数据的优良性。 公式： 在一般的情况下，AIC可以表示为： AIC=(2k-2L)/n
参数
