Python

#1 makeTxt.py（将训练数据自动划分为训练集、验证集和测试集）... 2
#2 voc_label.py（将VOC格式数据集转换成yolo数据集）... 3
#3 tube.

开始
内容参考：Datawhale Task02: 练死劲儿-网络设计
一· 先验框
关于先验框，有的paper(如Faster RCNN)中称之为anchor(锚点)，有的paper(如SSD)

前言
本篇博客为博主毕设的一部分，此部分主要解决海上船舶目标实时分类检测。在Tensorflow的环境下，采用YOLOv3（keras）算法，最终mAP可达到95.66%&

随着深度学习的发展，基于深度学习的目标检测方法因其优异的性能已经得到广泛的使用。目前经典的目标检测方法主要包括单阶段(YOLO、SSD、RetinaNet，还有基于关键点的检测方法等)和多阶段方法(Fast RCNN

文件目录
数据集下载：https://www.cityscapes-dataset.com/downloads/ 下载 leftImg8bit_trainvaltest.zip 和 gtFine_trainvaltest.zi

前言 学习过程，记录一下SiamRPN论文每一部分对应代码，以便之后用。 一、SiamRPN and SiamRPN 整体结构
SiamRPN 整体流程为：
template frame和det

类似深度学习中目标检测的深度学习模型中有两个非常重要的性能指标，一个是MAP就是检测的准确率，另一个就是FPS,就是模型的推理速度，那么我们如何能够知道模型和视频的推理速度呢？ 接下来我们

1：数据准备
我说使用的数据是labelme制作的。json文件保存的是对应图片中所有目标的边界点坐标。
但是UNet训练却使用的是原始图像及其对应的二值化掩膜。就像下面这样： 所以需要把labelme输出的

一、前提准备 源码下载 https://github.com/ultralytics/yolov5 YOLOv5 文档： https://docs.ultralytics.com/ yolo v5原理: 深入浅出Yolo系列之Yo

使用环境：
Windows10Raspberry Pi 4BPython ：3.7.3
Windows下使用 AprilTags
在windows中安装 apriltags 库：
pip ins