Optimal：最优的题目：目标检测中最优的速度和精度YOLOv4总体上可以划分为两部分，一部分是讲Bag of freebies和Bag of Specials; 另外一部分讲的是YOLOv4的创新点。SOTA model:state-of-the-art model,并不是特指某个具体的模型,而是指在该项研究任务中,目前最好/最先进的模型。Bag of Freebies即在不改变模型结构并且不改变损失函数的情况下，不牺牲前向传播时间，将mAP提升近五个点。Bag-of-Special.
原创
2021-11-08 16:44:31
1525阅读
源码地址：https://github.com/bubbliiiing/yolov4-pytorch 分析一下自己关于yolo的预测过程 文章目录前言一、预测文件predict.py二.yolo.py三.yolo4.py（包含YoloBody类）四.darknet53五、yolo.detect_image(image)1. letterbox_image（用到image.resize与
YOLOv4 作者：AlexeyAB paper：YOLOv4: Optimal Speed and Accuracy of Object Detection code：code 比较优秀的解析论文：YOLOv4 目标检测 亮点 input：使用Mosaic数据增强，cmBN跨小批量标准化、SAT自 ...
转载
2021-08-18 16:29:00
212阅读
2评论
最强目标检测算法YOLOv4论文解读本文仅为笔者个人浅显的理解，如各位发现有误的地方欢迎指正。一、概述YOLO v4中，作者做了很多实验，把近年比较火的一些方法加入YOLO中，最终取得了速度和精度的提升。通过了解YOLO v4，我们就可以知道最近几年有哪些方法被提出来，整篇论文更像是一篇综述。YOLO v4中使用的方法加权残差连接（WRC）跨阶段部分连接（CSP）交叉小批量归一化（C
因此，该方法可以提高复杂场景下交通标志识别的准确性，满足智能车辆对交通标志识别任务的实时性要求。更具体地说，基于单目摄
AlexeyAB大神继承了YOLOv3, 在其基础上进行持续开发，将其命名为YOLOv4。并且得到YOLOv3作者Joseph Redmon的承认，下面是Darknet原作者的在readme中更新的声明。 来看看YOLOv4和一些SOTA模型的对比，YOLOv4要比YOLOv3提高了近10个点。 1
原创
2021-12-29 09:53:43
101阅读
YOLO之父Jeseph Redmon，他创建了yolov1、yolov2、yolov3三个版本，但是在2020年2月份却宣布退出CV学术界、停止一切关于计算机视觉的研究、原因是自己的开源算法已经用在军事和隐私问题上，这对他的道德造成了巨大的考验，他拒绝AI算法用于军事和隐私窥探。而在这2个月之后，另一位曾经参与YOLO项目维护的大神Alexey Bochkovskiy，在arXiv上提交了YOL
原创
2021-09-11 16:35:42
1500阅读
YOLO之父Jeseph Redmon，他创建了yolov1、yolov2、yolov3三个版本，但是在2020年2月份却宣布退出CV学术界、停止一切关于计算机视觉的研究、原因是自己的开源算法已经用在军事和隐私问题上，这对他的道德造成了巨大的考验，他拒绝AI算法用于军事和隐私窥探。而在这2个月之后，另一位曾经参与YOLO项目维护的大神Alexey Bochkovskiy，在arXiv上提交了YOL
原创
2021-09-11 16:37:39
1525阅读
深度剖析目标检测算法YOLOV4 目录 简述 yolo 的发展历程介绍 yolov3 算法原理介绍 yolov4 算法原理（相比于 yolov3，有哪些改进点）YOLOV4 源代码日志解读 yolo 发展历程 采用卷积神经的目标检测算法大致可以分为两个
转载
2023-07-24 16:09:00
284阅读
1、准备工作首先准备训练用到的文件，放在自己的谷歌云盘 1、自己的数据集（建议使用压缩包上传，上传的速度和加载速度会快很多）yolo训练使用的是txt格式的标签，里面是目标的坐标值。若已标的标签是xml文件，可以使用此Python代码提取对应的坐标信息生成TXT文件。 2、data文件，names文件 data文件放置类别数和一些路径，names文件放置类别名 我的是obj.data和obj.na
看了下yolov4的作者给的操作说明，链接如下：https://github.com/AlexeyAB/darknet#how-to-compile-on-linux-using-make，有兴趣的可以去看看，总结起来，跟yolov3的操作方式基本一样，所以现在记录一下这次的整个操作流程。在几个月前，一直在准备一个项目，那个项目已经让人用lableme这个标注软件标注好了图片，但是直到现在，这个项
【YOLOv4-pytorch】训练自己的数据集实践记录及问题总结使用pytorch-yolov4训练自己的目标检测数据集 代码：https://github.com/Tianxiaomo/pytorch-YOLOv4预训练模型： yolov4.pth(链接：https://pan.baidu.com/s/17GivIeUbItyfwVdooUVsDw?pwd=p8ub 提取码：p8ub) yo
# PyTorch版YOLOv4：深度学习在目标检测中的应用
目标检测是计算机视觉领域的一个重要任务，它旨在识别图像中的目标，并确定它们的位置。近年来，深度学习技术在目标检测领域取得了显著的进展。其中，YOLO（You Only Look Once）算法以其速度快、性能好而受到广泛关注。本文将介绍基于PyTorch框架的YOLOv4算法，并提供代码示例，帮助读者更好地理解其原理和实现。
##
# YOLOv4 PyTorch复现
## 引言
目标检测是计算机视觉领域的一个重要任务，它的目标是在图像或视频中准确地定位和识别物体。YOLOv4是一种先进的目标检测算法，具有高度准确性和快速的检测速度。本文将介绍如何使用PyTorch复现YOLOv4，并提供代码示例。
## YOLOv4简介
YOLOv4（You Only Look Once v4）是由Alexey Bochkovsk
原创
2023-08-13 19:22:52
111阅读
摘要：有很多特征可以提高卷积神经网络（CNN）的准确性。需要在大型数据集上对这些特征的组合进行实际测试，并需要对结果进行理论证明来验证这些特征的有效性。 某些特征仅在某些模型上运行，并且仅在某些问题上运行，或者仅在小型数据集上运行； 而某些特征（例如批归一化和残差连接）适用于大多数模型，任务和数据集。 我们假设此类通用特征包括加权残差连接（WRC），跨阶段部分连接（CSP），交叉小批量标准化（
转载
2020-04-24 15:50:00
192阅读
2评论
YOLO发展至YOLOv3时，基本上这个系列都达到了一个高潮阶段，很多实际任务中，都会见到YOLOv3的
原创
2022-10-10 16:27:26
1637阅读
YOLO(You Only Look Once)算法原理前言 ：详细介绍了yolo系列目标检测算法的原理和发展过程。系列： 【YOLO系列】YOLO.v1算法原理详解【YOLO系列】YOLO.v2算法原理详解【YOLO系列】YOLO.v3算法原理详解【YOLO系列】YOLO.v4 & YOLO.v5算法原理详解4. YOLO.v4 & YOLO.v54.1 基本概述论文参考：YOL
Yolov4性能分析（上） 一．目录 实验测试 1） 测试介绍 2） Test 3） Train 二. 分析 1．实验测试 1. 1 实验测试方法 Yolov4训练train实验方法(Darknet should be compiled with OpenCV)： duration_run_dete
转载
2020-10-20 12:07:00
707阅读
2评论
环境Windows：10YOLOv4OpenCV：4.5.3Visual Studio 2019：16.11CUDA：11.2.0_460.89_w
原创
2022-06-01 18:32:11
954阅读
