面向对象的设计原则－类设计原则 在面向对象设计中，如何通过很小的设计改变就可以应对设计需求的变化，这是令设计者极为关注的问题。为此不少OO先驱提出了很多有关面向对象的设计原则用于指导OO的设计和开发。下面是几条与类设计相关的设计原则。1. 开闭原则（the Open Closed Principle OCP）
一个模块在扩展性方面应该是开放的而在更改性方面应该是封闭的。因此在进行面向对象设
Windows10下跑通YOLOv4模型，从配置环境开始，测试成功！1、配置环境1.1安装VS 安装的组件只需要“使用C++的桌面开发”。 我使用的是VS2017（社区），如果你安装的是其他版本应该也问题不大。 得到：一步步安装即可。1.2安装OPENCV 点击可得：1.3安装CUDA下载地址 得到：1.4安装显卡驱动下载网址! 电脑显卡为 GeForce GTX 1050Ti 下载类型选择SD类
一、后处理1.1 前置环境1.mmWave-DFP-2G2.mmWave Studio 3.03.串口通信工具（xshell、putty等）4.WinSCP（从评估版上导出数据）5.MATLAB Runtime v851(32 bit)（必须为此版本，mmWave Studio依赖于该环境）1.2 数据采集1.IP配置，设置上位机静态IP：192.168.33.30；子网掩码：255.255.25
darknet训练自己的数据，官方提供了一个训练VOC的例子，我们参照这个例子，来训练我们自己的数据。1. 准备数据集 首先我们应该准备好我们自己的数据集用于训练。要训练一个自己的网络，我们需要有训练集和测试集。在这里，我们建立两个文件夹train和val用于存放这两类数据。
雷达站算法汇报1.功能实现目前实现功能：1.实现对视野内比赛机器人的目标识别、跟踪与预测。 2.实现对目标三维坐标的获取，距离与偏转角度的测量。 3.实现到二维小地图的投影变换。2.模块划分主要分为三个模块:识别(detect)、跟踪(track)和定位(locate)。2.1 目标识别该模块主要借助yolov5实现目标的检测。 可以把yolov5看做是基于pytorch的深度神经网络，输入一张图
0. 准备工作下载YOLOv5 github项目：https://github.com/ultralytics/yolov5，下载速度可能会比较慢，可以尝试用迅雷、gitee等方法。下载完成后进行解压。下载模型文件：yolov5项目中提供了模型下载的脚本：download_weights.sh（yolov5/weights目录下），该脚本从谷歌网盘https://drive.google.com/
转载
2024-11-01 10:56:58
108阅读
基于Yolov5与LabelMe训练自己数据的实例分割完整流程1. Yolov5配置2. 创建labelme虚拟环境4. 接下来开始使用labelme绘制分割数据集4.1 json to txt4.2 划分数据集(可分可不分)5. 训练 1. Yolov5配置2. 创建labelme虚拟环境conda create -n labelme python=3.9
# 激活labelme 环境，后续的
之前一直做稀疏表示，最近在学深度学习有关的有关方向，先从YOLO入手。YOLO(You Only Look Once)从2016年开始到现在已经有众多博客、公众号、知乎文章等进行讲解。主要参考：深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解 作者江大白该文讲了一些基础知识，相当于论文翻译，
前言一、前言YOLO系列是one-stage且是基于深度学习的回归方法，而R-CNN、Fast-RCNN、Faster-RCNN等是two-stage且是基于深度学习的分类方法。YOLO官网：GitHub - pjreddie/darknet: Convolutional Neural Networks 1.1 YOLO vs Faster R-CNN1、统一网络：YOLO没有显示求取r
原创
2024-06-28 10:59:18
4954阅读
点赞
主要的编译方法可以参考这篇博客https://blog.csdn.net/KID_yuan/article/details/88380269我的编译环境win10, VS2015,
原创
2021-06-10 23:18:55
1571阅读
主要的编译方法可以参考这篇博客https://blog..net/KID_yuan/article/details/88380269我的编译环境win10, VS2015, OpenCV3.3,cuda_10.0.130_411.31_win10.exe,cudnn-10.0-windows10-x-v7.6.4.38跟着上面博客做基本不会出什么大问题，我遇到的问题简单罗列...
原创
2022-03-09 14:28:24
113阅读
YOLOv1YOLO整个系列都属于one stages的检测方法，其整体检测框架的思路都是先generate potential bounding boxes，然后在每个proposal boxes上run a classifier……YOLOv1的整体检测步骤非常简单：1. Resize image2. 运行卷积神经网络3. 对每个proposal的结果进行筛选，然后使用NMS生成结果它的主要特
转载
2024-05-07 08:26:55
226阅读
作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊目录第1章 准备1.1 github代码URL1.2 detect代码路径1.3 detect检测代码快速入门1.4 获取命令行参数1.5 命令行参数代码来源第2章 detect检测代码的命令行参数第1章 准备1.1 github代码URLht
原创
2022-03-24 16:26:02
5072阅读
1.Resize成448*448，图片分割得到7*7网格(cell)，某个物体的中心落在这个网格中此网格就负责预测这个物体 2.最后一层是一个7*7*30的cube，每个 1*1*30的维度对应原图7*7个cell中的一个，1*1*30中含有类别预测和bbox坐标预测，前10个是两个不同boudin
转载
2018-09-12 16:52:00
225阅读
2评论
1. 创新YOLO将物体检测作为回归问题求解。基于一个单独的end-to-end网络，完成从原始图像的输入到物体位置和类别的输出。从网络设计上，YOLO与rcnn、fast rcnn及faster rcnn的区别如下：[1] YOLO训练和检测均是在一个单独网络中进行。YOLO没有显示地求取region proposal的过程。而rcnn/fast rcnn 采用分离的模块（独立于网络之外的sel
转载
2023-10-23 13:55:47
131阅读
低配版PP-YOLO实战目录1、数据处理与读取2、目标检测模型PP-YOLO3、总结第一部分：数据处理与读取一、数据处理林业病虫害数据集和数据预处理方法介绍在本课程中，将使用百度与林业大学合作开发的林业病虫害防治项目中用到昆虫数据集。读取AI识虫数据集标注信息AI识虫数据集结构如下：提供了2183张图片，其中训练集1693张，验证集245，测试集245张。包含7种昆虫，分别是Boerner、Lec
转载
2023-07-07 19:06:31
142阅读
ov3 使用多个二分类代替softmax，如此以来，每个类别的概率相加就不需要等于1，类别概率之
原创
2022-12-10 11:15:20
328阅读
Yolo算法笔记 目标检测方法yolo（You only look once），看一眼就可识别目标。与R-CNN比，有以下特点（Faster-RCNN 中RPN网络吸取了该特点）：速度很快看到全局信息，而非R-CNN产生一个个切割的目标，由此对背景的识别效率很高可从产生的有代表性的特征中学习。流程:以PASCAL VOC数据集为例。1. 输入448X448大小的图片
转载
2024-07-04 16:05:26
107阅读
常规umount失败后有3种处理方法：fuser,lsof,和umount -lfuser:fuser（find user process）可以帮助识别阻碍卸载文件系统进程，fuser需要系统支持/proc文件系统直接fuser /mnt/yellowmachine 输出：/mnt/yellowmachine: 23334c 23697c输出结果中可以很明显看到有哪个进
转载
2024-02-29 14:56:36
118阅读
