推荐一个数据集制作的网站Make Sense，支持目标检测和目标识别两种数据集的在线制作，操作起来还是比较便捷的
推荐一个在线训练数据集的GPU服务器
https://research.google.com/colaboratory/
免费版本的GPU版本也能支持日常的训练，预装好cuda11.2。YOLO训练几乎不需要配置环境，paddle训练也可以直接pip安装
版权声明：本文为CSDN博主「陆志鹏」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/qq_23607397/article/details/122567988
1. 导入包，配置参数
import time
import os
import paddleANCHORS [10, 13, 16, 30, 33, 23, 30, 61, 62, 45, 59, 119, 116, 90,
序言
最近准备用paddlex部署项目，但是踩了几天的坑发现paddleDetection中的模型并不能直接导出给paddlex使用，关键是paddleDetection使用python tools/export_
如何使用自己的coco格式数据集
之前看了一篇 https://blog.csdn.net/weixin_43823854/article/details/108980188 实现有点啰嗦，那些class 颜色不用管
data
在人工智能领域，机器学习的效果需要用各种指标来评价。当一个目标检测模型建立好了之后，即模型训练已经完成，我们就可以利用这个模型进行分类识别。那么该如何去评价这个模型的性能呢？ 今天我们从交
暂无评论