遥感旋转目标检测模型:R3Det 实验记录
配置环境: RTX3090 PyTorch 1.9.0 CUDA 11.3 cudnn 8.2.0 mmcv 0.5.9(旧版本) opencv 3.4.4.19(旧版本) DOTA数
配置环境: RTX3090 PyTorch 1.9.0 CUDA 11.3 cudnn 8.2.0 mmcv 0.5.9(旧版本) opencv 3.4.4.19(旧版本) DOTA数
YOLO系列是非常优秀的物体检测框架,目前总共有V1-V5五个版本。本博客的目的在于教大家如何使用YOLOv5训练自己的数据,重点在于应用。有关原理我会在后面的博客中详细介绍。使用YOLOv5训练自己的数据往往要经过
目录 0. 前言 1. 准备工作 1.1 yolo_cpp_dll.dll和yolo_cpp_dll.lib的获取 1.2 pthreadGC2.dll和pthreadVC2.dll的获取 1.3 yolo_v2_class.hpp的
首先 看下作者给的性能对比图 YOLOX 是旷视开源的高性能检测器。旷视的研究者将解耦头、数据增强、无锚点以及标签分类等目 标检测领域的优秀进展与 YOLO 进行了巧妙的集成组合,提出了 YOLOX,不仅实现了超越
目录 一、准备深度学习环境 二、 准备自己的数据集 1、创建数据集 2、转换数据格式 3、配置文件 三、模型训练 1、下载预训练模型 2、训练 四、模型测试 五、模型推理 YOLOv5训练自己的数据集整个过程主要包括:环