墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1.5k累计阅读
1.6k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
yolov4是yolo系列中在前面三个版本基础上改进而来的第四个版本
yolov4运行了加权残差连接(WRC)，跨阶段部分连接(CSP)，跨小批量标准化(CmBN)，自对抗训练(SAT)，Mish激活，马赛克数据增强，CmBN，DropBlock正则化，CIoU Loss等多种调优手段来提高卷积神经网络(CNN)的准确性。
本专题以操作为主，下面将从实际操作来讲述怎样利用该yolov4算法来实现对自己数据集的训练与检测。
源码地址：
https://github.com/bubbliiiing/yolov4-pytorch
代码结构
其中，
① img存放的是测试图片
② logs存放的训练的日志以及训练的模型
③ model_data存放的模型配置文件以及预训练模型
④ nets网络
Pytorch版YOLOv4（attentive YOLOv4）（Mobilenet YOLOv4） 训练PASCAL VOC、COCO和自己的数据集
YOLOv4-pytorch 训练自己的数据集环境新特性安装依赖库准备工作下载预训练模型训练测试 注：版权所有，转载请注明出处。 环境 Nvida GeForce RTX 2070 CUDA10.0 CUDNN7.0 Windows10 Python 3.6 代码地址： 新特性 Mish Data Augment (RandomHorizontalFlip, RandomCrop, RandomAffine, Resize) Custom data Step lr Schedule Mult
Yolov4训练自己的数据集
Yolov4训练自己的数据集 代码运行环境Ubuntu18.04+python3.6+显卡1080Ti+CUDA10.0+cudnn7.5.1+OpenCV3.4.6+Cmake3.12.2，详细环境配置安装步骤就不讲解拉，网上教程一大堆。 从github克隆下载源码，链接地址：https://github.com/AlexeyAB/darknet 训练肯定需要使用GPU加速，那么得打开项目里面的makefile文件修改一些参数的值，1-4、7改为1 makefile前面几行：打开GPU 加速，打开
YOLOV4训练ImageNet数据集
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 YOLOV4训练ImageNet数据集环境一、代码下载二、编译二、训练ImageNet数据集1.ImageNet数据集2.生成darknet需要的label文件1.voc.data2.voc.names3.cfg/yolo-obj.cfg3.训练ImageNet数据集三、测试多张图片总结 环境 Ubuntu16.04 Python3.6 Cuda10 一、代码下载 代码下载址:https://github.com/AlexeyAB/da
Darknet框架下如何利用自己的数据集训练YOLOv4模型
本文详细介绍了在Darknet框架下如何利用自己的数据集训练YOLOv4模型
基于红外数据集（FLIR）训练YOLOv4
1、引言 毕业设计是基于热红外图像的目标检测系统设计，老板要求做一些横向和纵向的实验对比作为支撑，自己基于项目构建的车载红外数据集只有4000多张，加上是自己手动标注的，直接用于实验对比说服力不够，加上标注的精度跟开源的标准数据集相比有一定差距，所以前期的实验还是要在公共数据集上做，最后再迁移到自己的数据集上来。 实验室之前采购了FLIR的红外摄像头，后面就关注到他们开源了一个比较大的带真实标签的红外数据集，官网地址为FLIR数据集，跟我手头数据集的应用场景非常相似，所以决定以该数据集作为前期实验的主要基准
YOLOv4训练自定义数据集
目录1.环境配置2.权重下载3.数据集处理4.修改配置文件4.1 修改data/voc.names4.2 修改data/voc.data4.3 修改cfg/yolov4.cfg4.4 修改Makefile文件5.开始训练 文献地址：https://arxiv.org/pdf/2004.10934.pdf 源码地址：https://github.com/AlexeyAB/darknet 1.环境配置 https://blog.youkuaiyun.com/weixin_50008473/article/details/1
【目标检测】基于yolov4训练自己的数据集(附代码和数据集，保姆级教程)
手把手系列教程：基于yolov4训练自己的数据集(保姆级教程)
深入解析 ReDoc：从零构建高性能 API 文档的终极指南
ReDoc 是一个强大的开源工具，用于将 OpenAPI 规范转换为高质量、响应式的 API 文档。本文详细介绍了如何使用 ReDoc 构建和自定义 API 文档，包括如何编写支持 OpenAPI 的 API 注解、配置 HTML 页面以加载文档，以及如何利用 ReDoc 的高级功能进行定制。通过实例代码，您将学会如何灵活地展示 API 文档，提升用户体验。无论是初学者还是经验丰富的开发者，都能从本文中获得实用的技巧与方案，帮助快速搭建符合需求的 API 文档界面。
避坑！瑞萨RZ/N2L用J-Link下载调试的那些‘坑’（从驱动版本到硬件架构选择）
本文详细解析了瑞萨RZ/N2L开发中使用J-Link调试时常见的兼容性问题与解决方案，包括驱动版本选择、SWD连接优化及e2 studio调试技巧。特别针对硬件架构与驱动版本的匹配问题提供了实用对照表，帮助开发者高效避开调试陷阱，提升开发效率。
BCIC IV 2a数据集实战：从MATLAB导入到EEG信号分析全流程
本文提供了BCIC IV 2a数据集从MATLAB导入到EEG信号分析的完整实战流程。详细解析了数据集结构，区分了EEG与EOG信号，并演示了信号可视化、基础预处理（滤波、分段、基线校正）等关键步骤，帮助脑机接口研究者快速上手处理这一经典运动想象数据集。
FPGA中参数化SPI接口设计与Verilog实现
SPI（串行外设接口）作为嵌入式系统的核心通信协议，通过全双工、高速率特性在FPGA与Flash、ADC等外设交互中占据重要地位。参数化设计通过抽象时钟极性、数据位宽等可配置维度，采用分层架构实现硬件复用，显著提升开发效率。Verilog实现需重点处理跨时钟域同步和可配置帧结构，结合AXI总线集成与UVM验证方法学，可构建适应工业控制、物联网网关等场景的高可靠SPI解决方案。
垂类大模型 研发方向与具体方案调研
领域知识库加上通用大模型，针对通用大模型见过的知识比较少的问题，利用向量数据库等方式根据问题在领域知识库中找到相关内容，再利用通用大模型强大的summarization和qa的能力生成回复，完成本次垂直大模型研发。目前很多企业希望将大模型的能力应用到企业内部当中，但很多通用大模型只是一个预训练模型，其所能回答的知识主要来源于互联网上公开的通用知识库，对于部分垂直领域和企业内部的私有知识库的问答，给出的回答。：垂类大模型的效果与底座性能息息相关，研发垂类大模型第一步就是确定开源大模型解决方案。
SAP 系统间 SSO 的真正价值，从 SM59 到可信 RFC 的安全设计
SAP S/4HANA系统间Single Sign-On(SSO)的核心价值在于集中管理通信身份与信任关系，而非仅减少密码输入。传统固定账号密码方式在系统规模扩大后会面临密码管理、审计追踪等挑战。通过SM59配置可信RFC目标系统，结合SSL证书或SAP Trusted System等强认证机制，能有效降低安全凭据暴露风险。SSO配置需配合授权对象、角色管理等建立清晰的信任边界，实现系统间安全通信的同时保持可审计性。这种方案特别适用于Fiori前端与S/4HANA后端等场景，通过可信RFC传递用户身份，避免
31、双相不锈钢直齿轮加工与性能研究及人工神经网络在焊接中的应用
本文研究了双相不锈钢直齿轮在不同加工方法（WEDM与滚齿加工）下的磨损行为，分析了表面粗糙度、齿厚变化、磨损率及润滑性能随转速的变化规律，并对比了两种工艺的优劣。同时，探讨了人工神经网络（ANN）在AA7050铝合金搅拌摩擦焊中的应用，通过建立工艺参数与焊接质量之间的预测模型，实现了对焊缝硬度和峰值温度的准确预测。研究为高性能齿轮制造和铝合金焊接提供了理论支持和技术参考，并提出了未来在润滑优化、加工工艺改进及智能控制方面的研究方向。
知识图谱(Knowledge Graph)原理与代码实战案例讲解
知识图谱(Knowledge Graph)原理与代码实战案例讲解 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 1. 背景介绍 1.1 问题的由来
廖雪峰Python教程[完整版]
廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白
怀旧版电脑GBC模拟器
再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。
IEM模型，地表粗糙度模拟
利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟
SIMATIC S7-1200, S7-1500 PID 控制[手册]
SIMATIC S7-1200, S7-1500 PID 控制[手册]
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
超级会员免费看
订阅专栏 解锁全文
3万+
扫一扫
