qq_37040743的博客

1使用的训练平台为Kaggle。

.表示上一级目录，指定好train,val的路径，类别数量，类别对应的名称。强烈推荐：将yaml文件随着train，val一起打包。压缩数据，同时github上下载YOLO的压缩包，鼠标挪到对应位置文件上，出现三个点，点击三个点标志。训练代码：建议不懂linux的严格按照下面的来。train里面包含Images、labels。重复操作上传YOLO的压缩包。

第一章 绪论1.1 研究背景和意义在现实生活中，人类往往是以事件为单位来认识和理解世界的，一个事件包 含了时间、地点、参与者等多个静态因素。将这些事件信息从非结构化数据中提 取出来，已逐渐成为信息抽取领域的关键任务之一。事件通常并非孤立存在，而 是彼此关联，它们之间可能存在时序、因果、条件等语义关系。事件关系识别便 是从非结构化数据中识别出事件之间的这种语义联系。因此，深入理解事件间的 相互关系，掌握事件发展的规律与逻辑，对后续突发事件的生态周期研究以及基 于事件的应用具有重要的研究价值。 近年来，在自然语

YOLO可以识别检测物体，这是众所周知的。使用YOLO来做目标检测，并获取坐标信息。

1、在窗口打开视频或图片进行目标检测，具有中断检测功能：比如检测视频的时候突然打开图片检测，后台就会停止检测，而不是一直执行视频检测。2、可以输出目标类别，目标中心点，置信度等，此部分为动态生成，每一帧图片开始之前会清空。保存为ui文件，然后将其转换为py文件。打开Qt Designer。

目标检测是每年深度学习毕业设计的主流，如Faster R-CNN、YOLO、SSD等算法的改进，以提高检测精度、速度或鲁棒性。目前比较火的YOLO，也比较建议用YOLO，简单易上手，一个周之内基本上就会学会写配置文件以及各种改进。