Python

一、 创建虚拟环境 这里创建python3.7环境 二、安装torch及cudatoolkit 进入torch官网，找到需要的torch及cuda（torch官网已经搭配并打包一起，后续不用设置环境变

本文将分享下我做图像识别项目工作过程中常用的关于图像分类数据处理方法，如有不当之处，欢迎大家指正。 图像数据增强 我们做项目过程中，经常会遇到某些类的图像数据出现严重不足，比如低于10

介绍 之前一直看相关的api,包括数据集的注册，detectron这种标准数据集的custom注册等源代码分析，对json文件也有了很清晰的认识，COCO的注册更简单一些，直接调用reg

GitHub地址链接：https://github.com/NathanUA/U-2-Net 这个显著性检测很好用，强烈推荐，建议二分类的任务都来试试，尤其对边缘细节要求比较高的任务。 下

yolo3是如何构想的 并且网络结构是什么样的 论文地址：https://pjreddie.com/media/files/papers/YOLOv3.pdf yolov3在yolov1和v2的基础上进行了改进，如

1. 拉取代码 git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt 2. 模型测试 import torch#

DOTA数据集是遥感影像目标检测的常用标准数据集，其标签文件以txt的形式存储，一个txt对应一张样本影像，txt中的每一行对应影像中的一个目标，每个目标的外围边界框表示为【 x1 y1

哎，找了好久的yolov5终于找到了：https://github.com/ultralytics/yolov5 赶紧搬好凳子试试效果！！

COCO-stuff API[1]是 COCO API[2]的扩展，安装见 [3]，这里研究一下 COCO-stuff 的用法。 Files 下载链见 [4]。 image 训练集图片 train2017.z

前言 目标检测数据集的标注格式通常有三种格式：pascal voc、coco、yolo。因此当我们运行开源代码使之用于目标检测时，会遇到开源代码所要求的数据集和我们目前数据集格式不同的问题，修改开源代码