版权声明：本文为CSDN博主「神秘cv男」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43851355/article/details/122492609
相关推荐
yolov5-6.0部署：基于旋转目标的yolov5部署---TensorRT部署
前面我们介绍了旋转目标检测以及如何使用opencv去部署，整体效果不错，但是发现一点就是速度太慢了，所以我们使用TensorRT来部署旋转目标检测算法。感兴趣的同学可以看我之前的关于opencv部署的博客。
https://blog.csdn
AP AR mAP ROC AUC（目标检测）
禁止转载！在做目标检测任务的时候，通常会制定规则来评估性能，就如下图所示，后面会慢慢道来其中的原理。 混淆矩阵中 TP、TN、FP、FN
在目标检测中，通常以IoU阈值作为
python 优化目标检测中对视频播放的几种方法
1.检测时，在推理时把视频帧传入gpu中进行推理 2.视频编码格式设置为MJPG 3.换更加轻量级的模型进行识别 4.采用队列的方法，使用生产者消费者的概念进行识别
YOLOX: Exceeding YOLO Series in 2021论文阅读
paper：https://arxiv.org/pdf/2107.08430.pdf code：https://github.com/Megvii-BaseDetection/YOLOX
YOLOv3 baseli
暂无评论