本科毕业论文“基于YOLOV4的目标检测”

本科毕业论文“基于YOLOV4的目标检测”

知识储备

由于YOLOV4是是YOLO的第四个版本所以为了更好的理解可以先从YOLO开始了解。
YOLOV1 链接:link.
YOLOV2 链接:link.
YOLOV3 链接:link.
YOLOV4 链接:link.
吴恩达YOLO入门讲解 链接:link.
YOLO中一些名词的解释:link.
谷歌学术镜像:link
吴恩达机器学习:link
pytorch:link
因为初次接触目标检测,是这方面的小白,对资料中许多名词的含义并不理解,我会在另一篇博客中进行整理
最近在啃视频中的代码,建了一个QQ交流群 767066759 , 大家可以加群一起学习!
大家有什么问题可以在评论区中提出,一起讨论,学习进步!

本文会持续更新。

版权声明:本文为CSDN博主「weixin_44663122」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_44663122/article/details/113992708

weixin_44663122

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

pytorch建立mobilenetV3-ssd网络并进行训练与预测

前言
这篇文章记录的是我在公司实习用深度学习做车辆信息识别项目时,用来做车辆检测的算法。因为我们公司面向的边缘端计算,边缘盒子的计算能力有限,所以我们在做算法研究时,就尽量选用轻量级算法

Yolov5训练自制数据集

一、准备
1.项目链接
https://github.com/ultralytics/yolov5
2.制作数据集
将标注好的图片放到data/images/train 和data/images/valid 文件夹下,将.

目标检测中计算数据集每一类别框的数量

众所周知,一个好的目标检测模型需要大量的数据来训练,当数据量较多的情况,我们没办法直观看到每一类别的目标框个数,就无法判断类别是否平衡。 下面的算法作用就是统计数据集中每一类别的目标框个数