hanxuwerewolf的博客

1. 程序下载本文程序核心部分完全参考开源代码：https://github.com/WongKinYiu/PyTorch_YOLOv4 。只是从一种学习的角度去写了我的代码仓库，在基础上增加了一些常用的脚本（会持续更新）。我的仓库地址为：https://github.com/hx-0614/yolov4-pytorch-learinggit clone https://github.com/hx-0614/yolov4-pytorch-learing.git其中我新增的脚本文件，会在README.

参考：https://www.flyai.com/article/778https://blog.youkuaiyun.com/justsolow/article/details/106401065创新点：（1）输入端：Mosaic数据集，cmBN，SAT自对抗训练。（2）BackBone：CSPDarknet 53，Mish激活函数，Dropblock。（3）Neck：SPP，FPN+PAN结构。（4）Prediction：GIou Loss，DIou Loss。1.OD相关结构Object Detection

YOLO-V2在YOLO-V1基础上改进得到YOLO-V2，可以在理解YOLO-V1的基础上去学习YOLO-V2，因此这里主要介绍相对于V1版本的改进点。主要改进点为三点：（1）提出DarkNet网络的雏形。（2）加入Anchor思想。（3）多尺度训练，多阶段训练（在不同部分采用不同的预训练策略）。...

YOLO-V1论文："You Only Look Once:Unified, Real-Time Object Detection"论文地址：https://arxiv.org/abs/1506.026401. YOLO的核心思想利用整张图作为网络的输入，直接在输出层回归 bounding box 的位置和 bounding box 的类别。2. YOLO-V1算法原理YOLO-V1输入图像默认尺寸为 。利用卷积神经网络进行特征提取，输出图像的尺寸固定为，然后经过卷积层和全连接层，输出特征.

https://www.cnblogs.com/lh2n18/p/12986898.html yolov4 c++

因为平时主要研究检测，所以自己根据已经开源的pytorch的yolov3代码，进行了复现，主要代码并没有更改，而是从一种学习和理解的角度去复现，增加了一些备注（如果问题，欢迎大家指出）。本文章的开源地址：参考的开源代码及相关博客：（1）https://github.com/ultralytics/yolov3（2）https://blog.youkuaiyun.com/sinat_27634939/article/details/89884011一：代码文件结构1:加载文件为了便于自己.