目录1，滑动窗口技术 2，什么是全连接层3.什么是RCNN4，yolo的算法原理5，yolo的结构及原理 6，YOLO的损失函数7，训练时的参数设置8，yolo的优缺点9，和双阶段网络的对比1，滑动窗口技术 在 W×H 的图像中，按一定规律移动 w×h 的窗口(W>>w， H>>h)，对窗口内像素点的像素值进行一系列
作者 | Kissrabbit 编辑 | 汽车人本章将讲解如何将torch训练好的权重文件转换为ONNX文件，并如何部署回到OpenVINO、TensorRT等框架下。笔者将以自己的FreeYOLO项目为例，来完成本章的内容讲解，相关代码如下：https://github.com/yjh0410/FreeYOLO什么是FreeYOLO？这是笔者的
一、解决什么问题？二、怎么解决的？1.基本的思想？1.端到端的训练和实时检测。2.YOLO将输入图像划分为S*S个网络，如果一个物体的中心落在某个网格内，则相应网格负责检测该物体。3.在训练和测试时，每个网络预测B个bboxs，每个bbox对应5个预测参数，即bbox中心点坐标（x,y），宽高（w,h），和置信度评分。4.将物体检测任务看成是一个回归问题来处理，直接通过整张图片的所有像素得到bbo
文章目录深度学习 — yolov5 自定义数据集训练一、简介二、自定义数据集训练(一) VOC格式数据集1. 准备数据集2. 划分数据集3. 处理标注结果4. 构建数据集配置文件5. 自定义模型配置文件6. 修改训练参数7. 开始训练8. 性能评估(二) coco数据集三、训练结果解析参考资料 转载请备注原文出处，谢谢：深度学习 — yolov5 自定义数据集训练一、简介本文介绍如何在自己的数据
一、准备个人数据集、训练、测试1.在darknet目录下创建myData文件夹，目录结构如下，将labelimg工具标注好的图片和xml文件放到对应目录下:myData …JPEGImages#存放图像 …Annotations#存放图像对应的xml文件 …ImageSets/Main # 存放训练/验证图像的名字（格式如 000001.jpg或者000001），里面包括train.txt。这里给
转载
2024-08-07 21:47:30
1672阅读
在此之前需要首先安装pycocotools，网上很多人说直接sudo pip install安装不了，要去git上下载coco的api然后编译python的接口，然而我按照这样的方式出现问题了。最后确实是先安装cython然后通过sudo pip install pycocotools这种方式安装好的（对了，听说win不支持，然而我也没有试过所以不知道），这里大家可以自行查阅一下pycocotoo
2023环境搭建 1 环境总表 毕昇jdk1.8.0_372-b11OKjdkjava version "1.8.0_192"---redis6.2.3mysql8.0nacos-serverv2.0.4nginxlatestnpm6.14.42 linux、docker、java -jarlinux
查看Linux内核版本命令（两种方法）：
本文内容介绍将停机时间纳入成本分析使用正确的工具工作全面规划迁移工作负载块全面进行功能测试知道何时举手放眼长远充分利用迁移介绍 每天，每款新产品的推出都有希望为企业保持领先提供速度、效率或成本节省。 但是，如果您是一名 IT 专业人士，并且您的工作是加入新系统，那么这些希望会被以下实际因素抵消一部分： 1.您将如何将所有关键数据（包括依赖项、设置和自定义配置）从一个系统移动到另一个系统，以便它们以
转载
2024-05-08 21:01:38
4阅读
“You Only Look Once”或“YOLO”是一个对象检测算法的名字，这是Redmon等人在2016年的一篇研究论文中命名的。YOLO实现了自动驾驶汽车等前沿技术中使用的实时对象检测。让我们看看是什么使该算法如此受欢迎，并概述其工作原理。 对象检测示例 背景实时的重要性人们看到图像以后，可以立即识别其中的对象、它们的位置和相对位置。这使得我们能够在几乎无意识的情况下完成复杂的任
转载
2023-11-09 22:38:03
170阅读
# 使用 Python 学习 YOLO 目标检测
在计算机视觉领域，YOLO（You Only Look Once）是一个高效且流行的目标检测算法。通过将目标检测任务简化为一个回归问题，YOLO 可以在一张图片中同时识别多个对象并标注其位置。接下来，我们将使用 Python 进行 YOLO 的学习和实践，帮助你更好地理解这一算法。
## YOLO 的基本概念
YOLO 将图像划分为一个网格，
YOLO（You Only Look Once）是一种快速且高效的目标检测算法，广泛应用于计算机视觉领域。它通过将目标检测作为回归问题来处理，从而实现实时目标检测。这篇博文将详细记录如何解决YOLO深度学习中的问题，涵盖技术原理、架构解析、源码分析、性能优化和应用场景等方面。
## 背景描述
在计算机视觉中，实时目标检测是一个重要的研究方向。YOLO通过将整张图像划分为网格，并对每个网格进行物
深度学习在一些传统方法难以处理的领域有了很大的进展。这种成功是由于改变了传统机器学习的几个出发点，使其在应用于非结构化数据时性能很好。如今深度学习模型可以玩游戏，检测癌症，和人类交谈，自动驾驶。深度学习变得强大的同时也需要很大的代价。进行深度学习需要大量的数据、昂贵的硬件、甚至更昂贵的精英工程人才。在Cloudera Fast Forward实验室，我们对能解决这些问题的创新特别兴奋。我们最新的研
迁移学习(Transfer Learning)的概念早在20世纪80年代就有相关的研究，这期间的研究有的称为归纳研究(inductive transfer)、知识迁移(knowledge transfer)、终身学习(life-long learning)以及累积学习(incremental learning)等。直到2009年，香港科技大学杨强教授对迁移学习的研究进行了总结和归纳，迁移学习才开始
转载
2023-11-30 20:21:10
110阅读
最近对迁移学习比较感兴趣，连续读了几篇和迁移学习相关的文章。本次博客首先来总结几篇迁移学习在NLP领域的应用。NIPS（美国高级研究计划局）2005年给迁移学习一个比价有代表性的解释：transfer learning emphasizes the transfer of knowledge across domains, tasks, and distributions that are sim
迁移学习和微调的区别1.举例说明当我们遇到一个新任务需要解决时，迁移学习和微调可以帮助我们更快地学习和完成这个任务。迁移学习就像是我们已经学会了一些与目标任务相关的知识，然后我们可以将这些知识应用到新任务中。 类比一下，就好像我们之前学会了画猫的技巧，现在我们要画一只狗，我们可以借用之前学到的知识和技巧，来更好地画出这只狗。微调是迁移学习的一种具体方法，它的思路是利用已经训练好的模型来帮助我们完成
转载
2024-04-12 06:14:01
159阅读
前言因为要完成毕业论文，所以最近正在学习计算机视觉，如果大家有什么问题，都可以跟我沟通交流。除
原创
2022-10-11 17:20:13
185阅读
1. 前言 迁移学习（Transfer Learning,TL）对于人类来说，就是掌握举一反三的学习能力。比如我们学会骑自行车后，学骑摩托车就很简单了；在学会打羽毛球之后，再学打网球也就没那么难了。对于计算机而言，所谓迁移学习，就是能让现有的模型算法稍加调整即可应用于一个新的领域和功能的一项技术。 不久前，香港科技大学的杨强教授在机器之心GMIS大会中回顾AlphaGo和柯洁的
转载
2023-06-03 22:49:30
314阅读
树的父指针表示法
原创
2021-08-08 10:18:25
239阅读
一、联邦学习的定义 横向联邦学习和纵向联邦学习要求所有的参与方具有相同的特征空间或样本空间，从而建立起一个有效的共享机器学习模型。然而，在更多的实际情况下，各个参与方所拥有的数据集可能存在高度的差异，例如：参与方的数据集之间可能只有少量的重叠样本和特征，并且这些数据集的规模与分布情况可能差别很大，此时横向联邦学习与纵向联邦学习就不是很适合了。在这种情况下，通过迁移学习技术，使其可以应用于
本文以将PyTorch框架实现的网络迁移至MindSpore框架为例，并以计算机视觉常用算子做代码示例。1. 训练过程中损失变化异常具体表现数值过大或过小损失不下降损失波动大损失值恒定损失为负数问题原因以及排查、解决办法网络结构存在问题排查方法：逐行代码对比；将原框架网络的checkpoint文件导入到迁移网络中，例如将pytorch的.pth文件转换成mindspore支持的.ckpt文件，然后
转载
2023-08-02 21:44:36
192阅读
