深入浅出Yolo系列之Yolov5核心基础知识完整讲解 - 知乎
深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解 - 知乎
版权声明：本文为CSDN博主「江小白jlj」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_42182534/article/details/122974022
相关推荐
YOLOV1论文详解
YOLOV1 1. Introduction YOLO非常简单：对于一张完整的图像，通过一个单一的卷积网络可以同时预测多个bounding boxes的回归参数和这些boxes的类别概率，并直接优化检
【darknet】1、yolov4模型训练之数据处理
本文主要写了使用yolov4进行模型训练前的数据准备。darknet框架使用的数据格式是yolo格式，但我们常见的目标检测数据格式是COCO和VOC.所以本文将以车辆检测为例，将coco2017和voc2007及vo
谷歌Hinton等提出Pix2seq：用于目标检测的语言建模框架
Pix2Seq：一个简单而通用的目标检测新框架， 其将目标检测转换为语言建模任务，大大简化了pipeline，性能可比肩Faster R-CNN和DETR！还可扩展到其他任务
基于YOLOV4的绝缘子检测（开源模型、数据集及源码）
基于YOLOV4的绝缘子检测（开源模型、数据集及源码） 一、项目简介 Yolo_Insulators是一个基于YoloV4的绝缘子目标检测程序，人工智能课程设计作业。github链接 github:
暂无评论