linux

以RetinaNet里面的FPN为例，总共有5层，原始的FPN论文中只有P3，P4，P5三层。P6和P7是RetinaNet论文里面特有的。其中P6有两种实现方式，可以由P5

YOLO跌倒检测笔记 代码来源： https://github.com/qiaoguan/Fall-detection/blob/master/demo.gif 介绍： 上面原始代码是python2/open

关于如何用训练自己的yolo-fastest模型，上一篇博文已经说明，现记录先近期的实验。 环境： 系统：ubuntu1804 软件：rknn-toolkit 1.6.0&

YOLO是“You Only Look Once”的简称，YOLO系列算法是目标检测算法的经典代表。 一、环境搭建 （1）下载darknet源码 clone后，进入darknet文件夹

darknet训练 yolo 遇到的问题。编译Makefile时，报错。 原因： mosaic1时，需要用opencv，但实际上训练用不上opencv，Makefile里

前言 最近这段时间在Ubuntu试YOLOV4，在训练过程中遇到了许多问题，对其进行了总结。 问题1 /usr/local/cuda/include/cudnn.h:61:10: fatal error: cud

环境搭建及详细配置：深入浅出Yolox之自有数据集训练超详细教程 - 云社区 - 腾讯云 (tencent.com) 使用YOLOX训练自己的数据集 - 知乎https://zhuanlan.zhihu.com/p/4210612

记录使用Docker容器跑通2021CVPR小样本目标检测DCNet 一、拉取镜像 执行docker pull gouchicao/maskrcnn-benchmark拉取镜像，等待下载完毕执行docker images 可以查

仅作为记录，大量请跳过。 不可思议，只需两步就可以跑通目标检测的代码。步骤 1、在coco官网下载数据集——解压缩——得到三个文件夹 解压缩后 可参考博主文章 linux用wget命令直接下载coco数据集 用

具体报错如下： ImportError:./ELSA/det/mmdet/models/backbones/elsa/elsa_ext.cpython-37m-x86_64-linux-gnu.so: undefined symb