前段时间跟着吴恩达大牛的视频学了深度学习，做了课后的作业“YOLO算法实现自动驾驶的车辆检测”。最近面试被问到YOLO算法的Anchor box是如何实现的，突然发现自己对YOLO算法还是不够深入了解。下面就YOLO算法进行梳理。 YOLO算法的优点： 1. YOLO的速度非常快。YOLO的流程简单，速度很快，可以实现实时检测。 2. YOLO是基于图像的全局信息进行预测的。这一点和基于
转载
2023-11-29 17:18:46
88阅读
集成学习 集成学习的思想在于：通过适当的方式集成多个“个体模型”，得到最终的模型，希望最终模型优于个体模型。
所以问题变成了如何选择，生成个体模型，以及如何进行集成。有不同的设计思路：将不同的个体模型进行集成；将类型相同但参数不同的模型进行集成；将类型相同但训练集不同的模型进行集成。第一种方式的应用并不十分广泛，第二种方式又被称为并行方式，代表算法为Bagging,Bag
yolo 搭建安装过程0.Over Viewyolo作为一个目标检测的模型,它相对突出的地方就是实时.最新yolo9000这篇论文相对于SSD等模型也不落下风,由于我们要运行的平台是嵌入式平台,其计算资源非常有限,所以我们就需要对于实时性要求更高的模型.前面踩得坑有 faster-rcnn,ssd,goturn等,也会有相关文章介绍.1.安装过程首先,我们来到YOLO官方网站https://pj
转载
2024-02-04 21:19:41
71阅读
OpenCV 早在 3.x版本就涵盖 dnn 模块，使用 OpenCV 能更简别的直接运行已训练的深度学习模型，本次采用在目标检测中最强劲的 Yolo v3进行文件准备yolov3.cfg ，coco.names 与 yolov3.weights，yolov3.weights 可从 Yolo 官网进行下载：下载地址 yolov3.cfg 与 coco.names 在 GitHub 上直接搜寻即可，
转载
2023-11-01 20:28:12
218阅读
集成开发环境（IDE，Integrated Development Environment）是专用于软件开发的程序。顾名思义，IDE集成了几款专门为软件开发而设计的工具。这些工具通常包括一个专门为了处理代码的编辑器（例如语法高亮和自动补全）；构建、执行、调试工具和某种形式的源代码控制。大部分的集成开发环境兼容多种编程语言并且包含更多功能，因此一般来说体积较大，需要时间去下载和安装并且为了正确使用需
YOLO V1 （45fps，fast version150fps）paper: http://arxiv.org/abs/1506.02640
pytorch代码：https://github.com/xiongzihua/pytorch-YOLO-v1
1. idea此前的目标检测将问题看成是分类问题，而yolo看成是一个回归问题yolo非常快，可以达到一秒45帧的速度yolo在运行时将整张照
转载
2024-04-02 07:13:30
146阅读
# 使用 YOLO 进行实时物体检测的实践指南
在计算机视觉领域，物体检测是一项重要且广泛的应用。YOLO（You Only Look Once）是一个高效且准确的物体检测算法。本文将介绍如何在 Python 中使用 YOLO 进行实时物体检测，帮助你解决在视频流中识别目标物体的实际问题。
## YOLO 简介
YOLO 是一种基于神经网络的对象检测方法，能够同时进行定位和分类。与传统的检测
在当今计算机视觉领域，YOLO（You Only Look Once）由于其高效的目标检测能力而备受关注。本文将深入探讨如何使用Python实现YOLO模型，包括从安装到代码实现的过程中可能遇到的问题及解决方案。
## 问题背景
近年来，计算机视觉技术的应用场景不断扩展，从自动驾驶到安防监控，甚至是智能家居，YOLO技术因其高效性受到越来越多行业的关注。然而，在实际部署和应用YOLO进行目标检
在原生iOS集成Unity3D应用在原生iOS集成Unity3D，可参考：Unity导出Xcode工程集成进另一个原生Xcode工程视频教程可参考：Integrating Unity3D with native iOS application，貌似比较老了，不过还是很有参考价值记录下集成过程中遇到的问题：1.对照Unity导出的iOS项目工程，很多设置可以直接拷贝过来，不用一个一个输入2.首先要明
转载
2024-05-14 22:30:51
115阅读
建模与转化在Android Studio中使用深度学习模型的话，有一种方式是使用tflite，可以参考这篇博客：时序信号的模型使用tflite的示例,但如果模型本来就比较小的话，可以直接使用tensorflow的.pb文件,不用转化为tflite模型。如果是使用pytorch或者keras建模的模型文件，可以通过函数转化为tensorflow的.pb文件。如下文件就是keras模型转化为tf的代码
转载
2023-12-09 14:05:07
54阅读
目录什么是集成测试集成测试级别 集成测试主要关注下列问题： 集成测试的工作内容：集成测试的层次 集成测试的原则集成测试策略1、大爆炸集成测试2、自顶向下集成测试编辑 3、自底向上集成测试 集成测试的辅助模块4、三明治集成测试5、持续集成测试做好持续集成-简化版 持续集成的内涵 集成测试工具 实践准备工作：什么是集成测试
faster rcnn，fast rcnn等是将整体流程划分为区域提取和目标分类两部分进行的，这样做的特点是精度高，速度慢。YOLO(you only look
原创
2022-11-10 10:26:12
319阅读
本人实验：利用上篇的“Learning Efficient Convolutional Networks Through Network Slimming论文阅读笔记”方法，成功将算力8.5G的darknet21-yolo模型(9个类别)（map=0.74）裁剪掉到了3.9G（map=0.731），最后利用本文的蒸馏方法（下面代码中的蒸馏方法四），蒸馏之后，小模型（map=0.7413）竟然可以超
效果展示:
yolov5搭建的目标检测界面，打包为可执行exe文件 0 准备工作yolov5环境配置完毕安装pyinstaller，命令为 pip install pyinstaller
ps: 为了避免可能的错误，所有操作请在英文路径下进行。1 修改detect_qt5.py或者相关文件如果是使用我的检测界面的，应该是修改detect_qt5.py这个文件，其他代码根据自己情况选择。 修改
YOLO3搭建自己的训练集数据由于自己部门需求及学习需求，需要自己制造训练集，并训练好自己的权重，用于检测目标与分割。开始自己探索制造训练集与训练网络的坑坑洼洼的道路，鉴于网上没有较好较为详细的教程，我想要把自己觉得的顺序步骤写出来，给大家减少遇到的坑。环境配置：Ubuntu16.04+cuda9.0(NVIDA381以上显卡驱动）+cudnn v7+YOLOv3（其实环境也不用相同，毕竟制造制造
一、项目说明YOLOv5-Lite：本项目采用荔枝派4a进行YOLOv5-Lite的部署，YOLOv5-Lite 牺牲了部分网络模型精度，但是极大的提升了模型的推理速度值得一提的是，这款轻量化模型的制作者是中国ppogg大佬，原项目位于：https://github.com/ppogg/YOLOv5-LiteLicheepi 4A：LicheePi 4A 是基于 Lichee Module 4A
