使用的版本是AlexyAB的模型，训练完成后在darknet目录下运行下列命令行
xxx@xxx:~/darknet$ ./darknet detector map./cfg/voc.data cfg/yolov4.cfg backup/yolo-obj_last.weights
注意：其中voc.data我是修改过内容的，可以根据自己的文件夹名称替换。另外yolo-obj_last.weights是在backup目录下，名称也是实现自定义好的，根据自己的文件名进行修改，也可以使用best.weights。
运行结果图如下：
版权声明：本文为CSDN博主「布什先生.」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/scsym/article/details/113825432
因为最近学习任务比较紧(但也不妨碍元旦摆烂三天)，所以中间有几个实战Kaggle比赛就跳过了,等以后有时间再回头来看看。物体检测和数据集这一节花了有一天的时间，一直有一个bug困扰，后来改了代码把box
摘要 本文主要介绍的是的有关于的百度飞桨的目标的检测的算法的实战案例。通过使用的百度飞桨来实现的对自己目标进行识别的。后面本人将继续深入原理来对的目标的检测的原理和算法和系统的来实现讲解。基于飞桨（PaddlePaddle&#x
proposals由下图所示proposal模块产生，proposal模块在整个faster-rcnn网络中的位置如下图： 图中proposal模块做了两件事，最终输出为指定数目的包含正负例的propo
📝论文下载 Abstract(摘要) YOLOv3在YOLO的基础上做了一些更新，重点在于提升检测的精度。当图片的分辨率为320 × 320，YOLOv3只使用了22 ms进行检测， m
暂无评论