环境：linux tensorflow-gpu 1.7.0 python3.6数据集：数据集包含2类：一类是飞机图(aircraft)；另外一类是油桶图(oiltank)。这些数据集来自CSDN@AI浩。1.查看数据集：每张数据集都包含一张图片以及对应的json标注文件，如下图：2.解析标注文件：其中需要从json文件获得所有被检物体的标注信息与图片路径{
"version": "3.16.4"
转载
2024-05-13 10:16:58
57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
转载
2024-01-13 17:46:06
162阅读
&nbs
转载
2024-01-08 15:03:49
98阅读
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
250阅读
2评论
本人是小白一枚，也是第一次写博客，如有问题，欢迎大家批评指正。本人接触深度学习只有短短几个月，对于以前没有过任何经验的小白来说，搭建环境无疑是一件较为痛苦且折磨的过程，只有经历过才更能理解其他大佬的简洁话语，本次以YOLOV5环境搭建为例，得出如下规律：1.建议安装anaconda与pycharm较新的版本。anaconda可提供独立的虚拟环境，这样就不用担心多个环境相互干扰的情况，这里提示一下安
[网络概况0]YOLOV4-Pytorch----yolov4YOLOV 4网络结构组件解析1.CBM2. CBL3.Res unit4.SPP5.CSPX模块解析输入端1.Mosaic数据增强BackBone主干部分1.CSPDarknet532.Mish激活函数3.DropblockNeck部分1.FPN+PAN 作者旨在学习yolov4这一网络，所以将自己的学习记录写下来，以备之后查看，也
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
转载
2024-02-21 20:27:07
61阅读
# 如何使用 PyTorch 实现 YOLOv4
YOLOv4（You Only Look Once version 4）是一种高效的目标检测算法，能够在实时运算中实现优秀的性能。本文将引导你如何在 PyTorch 中实现 YOLOv4，适合刚入门的小白。我们将通过以下步骤来实现这一目标。
## 实现流程
| 步骤 | 说明
原创
2024-09-28 03:11:13
106阅读
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
原创
2024-08-08 09:26:16
167阅读
前言 以下内容仅为个人在学习人工智能中所记录的笔记，先将目标识别算法yolo系列的整理出来分享给大家，供大家学习参考。 本文仅对YOLOV3代码中关键部分进行了注释，未掌握基础代码的铁汁可以自己百度一下。&nbs
摘要YOLOV4在coco上面达到了43.5%AP ，在Tesla V100 上达到了65FPS。相比今年的其它模型，得分不算高，但是它不是通过提高输入图像的分辨率来提高得分的，而是改进网络结构。创新点主要有一下几个方面：(1)输入端：这里指的创新主要是训练时对输入端的改进，主要包括Mosaic数据增强、cmBN、SAT自对抗训练。(2)BackBone主干网络：将各种新的方式结合起来，包括：CS
转载
2023-10-13 22:23:41
128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
446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
转载
2024-06-28 18:54:40
494阅读
YOLO系列（四）——YOLO v4 文章目录YOLO系列（四）——YOLO v4前言一、InputMosaic 数据增强Cross Mini-Batch Normalization (CMBN)Self-Adversarial Training (SAT)二、Backbone（1）CSPDarknet53（2）Mish激活函数（3）Dropblock三、NeckSPP（空间金字塔池化）FPN +
转载
2024-02-04 00:36:52
69阅读
# 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
170阅读
在这篇博文中，我将记录下如何使用PyTorch构建YOLOv4并解决相关问题。YOLOv4是一种流行的目标检测算法，在各种计算机视觉应用中得到了广泛应用。下面我将从多个角度出发，详细阐述构建YOLOv4的过程，包括版本对比、迁移指南、兼容性处理、实战案例、排错指南和性能优化等。
## 版本对比与兼容性分析
在开始构建YOLOv4之前，首先需要了解不同版本之间的变化和兼容性。这是为了确保我们所用
【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
转载
2024-02-01 08:39:39
195阅读
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
1597阅读
# 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。
##
原创
2024-07-17 04:23:38
137阅读
摘要这几天刚出的pytorch版本的yolo4，训练测试一下看下效果，pytorch yolo4连接，数据集准备第一步先生成yolo统一的格式txt文件，import os
name=os.listdir('./image')
for i in range(len(name)):
name[i]='./coco/images/train2017/'+name[i]
file = open
