YOLO

最新推荐文章于 2024-05-24 20:00:23 发布
原创 最新推荐文章于 2024-05-24 20:00:23 发布 · 281 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#YOLO #深度学习 #卷积网络 #目标检测

博客围绕YOLO展开，涉及深度学习和卷积网络在目标检测方面的应用。YOLO是目标检测领域的重要技术，借助深度学习和卷积网络实现高效准确的目标检测。

原文地址：

深度学习算法之YOLOv2
跟随技术的脚步-linolzhang的专栏
03-02 2万+
一. 久违的新版本        YOLO 问世已久，不过风头被SSD盖过不少，原作者自然不甘心，YOLO v2 的提出给我们带来了什么呢？        先看一下其在 v1的基础上做了哪些改进，直接引用作者的实验结果了：       条目不少，除了 Anchor Boxes没有用，其他的该加的都加上了。我们一个一个来看：  A）Batch Norm B）Hi
YOLO算法详解+完整代码详解
stu_shanghui的博客
06-06 4万+
YOLOv2 特点：darknet网路；使用先验框；多尺度训练 针对YOLOv1的缺点进行改进，下图是YOLOv2做的一些改进，大部分的改进都能提升mAP 图片来自：https://blog.csdn.net/wfei101/article/details/79398563 Batch normalization（每个卷积之后进行批归一化） 批归一化可以提升模型的收敛速度，而且起到...
YOLO深度网络
05-16
RCNN、Fast RCNN、Faster RCNN 都是基于深度神经网络的图像目标检测模型。虽然这一系列模型在训练和检测上针对精 度与效率都在不断地优化，但是仍旧没有实现训练测试的端到端，而 且当前的检测速度也还无法针对视频进行目标检测。因此，Girshick 团队又提出了针 对视频进行目标检测的模型 YOLO(You Only Look Once)，该模型的训练和测试上 都是端到端的操作。
YOLO介绍（深度网络物体检测）
11-13
You Only Look Once，2016。将物体检测用回归的方法实现，与SSD共同走在世界的前列
【计算机视觉】【神经网络与深度学习】YOLO v2 detection训练自己的数据2
weixin_30426957的博客
05-13 213
1. 前言 关于用yolo训练自己VOC格式数据的博文真的不少，但是当我按照他们的方法一步一步走下去的时候发现出了其他作者没有提及的问题。这里就我自己的经验讲讲如何训练自己的数据集。 2.数据集 这里建议大家用VOC和ILSVRC比赛的数据集，因为xml文件都是现成的，省去很多功夫...
实现 YOLO 目标计数 | 含代码示例
Warmer_Sweeter
05-24 2748
点击下方卡片，关注“小白玩转Python”公众号在YOLO算法的无数应用中，我们想聚焦于一个真实的场景：道路车辆计数。这个用例对于智能城市的交通规划和决策具有重要意义。在这篇文章中，我们将带您一步步实现YOLO目标检测和计数，使用车辆跟踪作为我们的实际示例。什么是目标计数？目标计数是计算机视觉中的一个关键应用，旨在识别和计数图像或视频中的特定对象，如人、动物或车辆。该技术在计算机视觉中具有广泛的应...
Yolo标签工具_Yolo label tool.zip
最新发布
09-02
Yolo标签工具是一款专为计算机视觉领域中的物体检测算法——YOLO（You Only Look Once）模型设计的标注软件。该工具支持用户高效地对图片进行目标物体的标记，为YOLO模型训练提供准确的标注数据。在深度学习和机器...
yolo-6d-summary;物体检测 6D姿态估计 YOLO Vision
10-16
YOLO-6D是一种结合目标检测与六维（6D）物体姿态估计的深度学习模型。它的核心创新在于能够仅使用RGB图像，通过一个单阶段网络同时执行目标检测和6D姿态估计任务。YOLO-6D模型在Titan X GPU上能达到每秒50帧的处理...
精选资源
yolo11.rar yolo11 pt 模型文件
10-06
此次提供的文件"yolo11.rar"中包含了五种不同大小的YOLOv1模型文件，分别是"yolo11l.pt"、"yolo11m.pt"、"yolo11n.pt"、"yolo11s.pt"和"yolo11x.pt"。这些文件名中的后缀.pt表示这些模型是使用PyTorch框架保存的。每...
Citypersons-yolo格式，行人检测数据集Citypersons的yolo格式
12-10
Yolo（You Only Look Once）是一种流行的实时对象检测系统，以其速度快、准确性高而闻名，被广泛应用于各种检测任务中。 Citypersons数据集是为行人检测任务而构建的一个大型数据集，它包含了来自不同城市街道场景...
yolo使用的 arial文件
04-17
YOLO（You Only Look Once）是一个著名的实时对象检测系统，在计算机视觉领域中广泛应用于对象检测和分类任务。Arial字体文件（Arial.ttf）通常是一种标准的字体文件，它在不同的计算机操作系统中可用于显示文本信息...
神经网络中的参数解读
yudiemiaomiao的博客
05-17 2万+
1.Batch_Size(批尺寸) 该参数主要用于批梯度下降算法(Batch Gradient Descent)中，批梯度下降算法是每次迭代都遍历批中的所有样本，由批中的样本共同决定最优的方向，Batch_Size 正是批中的样本数量。 若数据集比较小，可以采用全数据集(Full Batch Learning)的形式，由全数据确定的方向能更好地代表样本总体，从而更准确地朝向极值所在的方向；但该种
YOLOV1（pytorch） 代码讲解
ing100的博客
07-06 1万+
使用pytorch实现基于ResNet50的YOLOV1算法，并进行训练以及预测。
深度学习-yolov3网络结构
持续关注并分享目标检测、数据生成、视频驱动、跨模态、分割、关键点等领域前沿技术
07-12 7113
可结合第一张与第二张理解网络结构layer filters size input output 0 conv 32 3 x 3 / 1 416 x 416 x 3 -> 416 x 416 x 32 1 conv 64 3 x 3 / 2 416 x 416 x ...
SSD/YOLO 开源代码
haima1998的专栏
09-03 2011
1.caffe ssd model train. https://github.com/weiliu89/caffe/tree/ssd 2. yolo train https://pjreddie.com/darknet/yolo/ http://www.jianshu.com/p/4b186a34a4e2
深度学习目标检测之YOLO系列网络（一步步变强之yolo v2）
BIgHAo1的博客
11-10 4201
YOLO v2介绍： 在原论文当中，使用pascal voc 2007数据集以及imagent数据集联合训练，最后能检测的类别超过9000，所以原论文名叫作YOLO9000。yolov2相比于yolov1，变强大了很多。 上图给出了当时主流的目标检测网络框架的FPS-mAP性能对比，可以很明显的看出，YOLOv2的强大，比较常用的是YOLOv2 416*416配置。 ...
YOLOv3原理及代码解析
热门推荐
冯子材的博客
01-15 5万+
YOLO v3原理及代码解析 YOLO是一种端到端的目标检测模型。YOLO算法的基本思想是：首先通过特征提取网络对输入特征提取特征，得到特定大小的特征图输出。输入图像分成13×13的grid cell，接着如果真实框中某个object的中心坐标落在某个grid cell中，那么就由该grid cell来预测该object。每个object有固定数量的bounding box，YOLO v3中有三个...
yolo转换yolo
03-01
### 将YOLO模型转换为其他版本或格式 #### YOLO不同版本之间的转换 YOLO的不同版本（如YOLOv3、YOLOv4、YOLOv5等）主要区别在于网络架构和配置文件。为了将一个版本的YOLO模型迁移到另一个版本，通常需要调整以下几个方面： - **权重文件**：YOLO各版本之间可能有不同的层结构和参数数量，因此直接迁移权重通常是不可行的。可以考虑重新训练新版本的模型，使用旧版模型作为预训练模型来初始化权重[^1]。 - **配置文件**：每个YOLO版本都有特定的`.cfg`配置文件定义了网络架构和其他超参数设置。当从一个版本切换到另一个版本时，需修改这些配置文件以适应新版的要求。 #### YOLO与其他框架/工具链的互操作性 对于希望利用YOLO之外的其他深度学习平台或工具的情况，可以通过以下几种方式实现YOLO模型向其他格式的转换： - **ONNX (Open Neural Network Exchange)**：这是一种开放的标准交换格式，支持多种机器学习库间的模型共享。通过PyTorch或TensorFlow导出YOLO模型至ONNX格式后，可以在多个平台上部署该模型[^2]。 ```python import torch.onnx as onnx from models import * # 假设这是加载YOLO模型的地方 model = Darknet('yolov3.cfg', img_size=(416, 416)).cuda() dummy_input = torch.randn(1, 3, 416, 416).cuda() onnx.export(model, dummy_input, 'yolov3.onnx', verbose=True, opset_version=11) ``` - **Core ML / TensorFlow Lite**：如果目标是在移动设备上运行YOLO，则可将其转化为适用于iOS(Core ML) 或 Android(TensorFlow Lite) 的轻量化模型形式。这同样涉及到先将原始YOLO模型保存成中间表示（比如ONNX），再进一步编译为目标平台所需的二进制格式。 #### 数据标注格式转换 除了模型本身的转换外，在某些情况下还需要处理数据集标签格式的变化。例如，要将在YOLO格式中标记的对象位置信息应用于Pascal VOC标准下的项目中，就需要编写专门的脚本来完成这种转变。此过程涉及解析源格式并按照目的格式重组相关信息。 ```bash # 使用命令行调用Python脚本进行批量转换 $ python yolo_to_voc.py --input_dir ./annotations_yolo \ --output_dir ./annotations_voc \ --images_dir ./images ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值