Dynamic Anchor Learning for Arbitrary-Oriented Object Detection
介绍一篇自己AAAI2021的目标检测工作：Dynamic Anchor Learning for

python 版本
import os
import cv2
import time
import argparseimport torch
import model.detector
import utils.utils
import ut

我的示例代码的dataloader中打包传入的是一个target字典，里面包括boxes和label，如果你们传入的是boxes和label，直接修改参数就行了，然后因为我传入的image

YOLOv5代码注释版更新啦，注释的是最近的2021.07.14的版本，且注释更全 github: https://github.com/Laughing-q/yolov5_annotations Backbone

第一步：标注数据集
使用到的工具是labelimg，可以直接下载exe文件，我这边就不做演示了 因为博主之前做过TensorFlow objection detection 识别，就用了

YOLOv3行人检测本脚本集合主要是针对YOLOv3的两个主流版本(AlexeyAB/darknet & pjreddie/darknet)，本身不包含YOLOv3的代码和配置文件，但是根据指引可以完成一个效果较好的

YOLO V3的原理学习笔记01_YOLOv3-introduction.jpg通过笔记的方式记录自己学习YOLO V3的模型原理.YOLO 是目标检测算法中常用的一种模型,目前最新的YOLO V3版本不论速度和精度上都有了很大进步,yolo算

前言最近论文刚刚写完，终于可以做一些自己喜欢的东西了，Happy。之前学过一段时间Android, 感觉移动端App开发和PC上的软件，比如Qt, 存在很大的不同，App开发更好玩一些&#

一：基于两阶段的目标检测算法 基于两阶段方法的目标检测又被称为基于**候选区域（region proposal）**的方法。
从2014年Grishick等人 在AlexNet 的基础上将region

这篇文章记录在台式机ubuntu18.04下搭建Object Detection API框架，以及Intel Movidius神经元计算棒2代环境，并使用自己的训练集对MobileNet-SSD网络进行训练调参与测试