yolov4

YOLOv4中，为了防止分类过拟合，使用了标签平滑Label Smoothing的技巧。 Label Smoothing最早源于论文《Rethinking the inception architecture for

前言 YOLO是一种目标检测方法，它的输入是整张图片，输出是n个物体的检测信息，可以识别出图中的物体的类别和位置。YOLOv4是在YOLOv3的基础上增加了很多实用的技巧，使得速度与精度

数据集准备 首先下载人头检测数据集： 在 https://github.com/HCIILAB/SCUT-HEAD-Dataset-Release 中下载 SCUT_HEAD_Part_B 数据集，里面是图片&#x

看了下yolov4的作者给的操作说明，链接如下：https://github.com/AlexeyAB/darknet#how-to-compile-on-linux-using-make，有兴趣的可以

Yolov4 Coco pre-train 权重文件 也没什么好说的，512大小的 https://github.com/AlexeyAB/darknet/wiki/YOLOv4-model-zoo 对比过下面608的和512

Backbone 激活函数的定义–Mish import math import torch import torch.nn as nn import numpy as np import torch.nn.functional as F

在实习中，有一个任务是训练出一个车辆检测的yolov4模型。感觉yolov4的功能好强大啊！特此记录一下自己在使用过程中的一些改动。 yolov4论文，yolov4源码 首先肯定是要配置相关的环境&#

不同点： 1. yolov4采用了较多的数据增强方法(图像增强方法(Data Augmentation)_YMilton的专栏-CSDN博客,博客中方法都使用)，而yolov5进行了3中数据增强：缩放

本文代码基于：https://github.com/ultralytics/yolov3 YOLOv4理论部分我的另一篇博客请参考：YOLOv4真的来了！！论文翻译 数据准备 首先介绍数

学习前言 一起来看看如何利用mobilenet系列搭建yolov4目标检测平台。 源码下载 https://github.com/bubbliiiing/mobilenet-yolov4-pytorch 喜欢的可以点个star噢。 网络