深度学习

目录 一、概述 二、测试过程 1.参数准备 2.定义模型 3.获取必要数据 4.输入模型 5.锚框筛选 ①利用物体置信度筛选 ②获取种类 ③按照物体置信度排序 ④非极大抑制 6.画出外接框 三、代码汇总 一、概述 训练

第一步： WIN键R 输入cmd 打开命令行窗口 第二步： 在命令行窗口中输入pip3 install labelImg，安装 labelImg 第三步： 输入labelImg 打开la

前提： 安装好anaconda 1.创建新的环境，本文将新环境名称设为mmdet conda create -n mmdet python3.72.安装pytorch conda install pytorch

一、anchor部分参数的配置 上面是faster_rcnn中关于rpn anchor的参数配置，strides [4, 8, 16, 32, 64] 是5个feature map 由输入尺寸， 下采样的倍数&#

如果可以建议你有个好CPU,有块好显卡才来做这个事情，当然如果你有台矿机最好，因为做过一个测试，GPU 的计算能力是CPU的100倍以上，这还是在我6年前购买的笔记本上测试的结果。 ten

本文介绍 CVPR 2021 接收的目标检测论文 You Only Look One-level Feature。原论文作者来自：中科院自动化所、中科院大学人工智能学院、中国科学院脑科学与智能技术卓越创新中心、旷视科技。0 动机 

目录 yolov5_face nanodet blazeface scrfd yolov5_face yolov5 face 使用踩坑记录_jacke121的专栏-CSDN博客 nanodet 没写精度，有模型： https:/

R-CNN就是regions with convolutiional networks，，这个算法尝试选出一些区域用来喂入卷积网络，不再需要使用滑动窗口对图片中依次从左到右，从上到下滑动窗

下载项目：https://github.com/ultralytics/yolov5 1.硬件配置： CPU：Intel Xeon Gold 6146 3.2GHz GPU：GTX3090

一、概述： 1.　在GitHub上下载SSD模型代码 2.　准备自己的VOC数据集 3.　搭建Ｐｙｔｏｒｃｈ环境 4.　用&