Yayisheng的博客

GitHub - bubbliiiing/faster-rcnn-pytorch: 这是一个faster-rcnn的pytorch实现的库，可以利用voc数据集格式的数据进行训练。这是一个faster-rcnn的pytorch实现的库，可以利用voc数据集格式的数据进行训练。

可以通过下方链接下载Efficientdet源码。

可以从下方的链接下载SSD-Pytorch源码。

在目标检测领域，好多人习惯在刚开始打标的时候先导出为voc格式，voc格式的标签文件方便后期检查标签，但是YOLO系列并不能直接使用该格式的标签文件，故我们需要转换成YOLO格式的标签文件，也就是txt格式。

在ultralytics/cfg/models/v8文件下，复制yolov8.yaml，并改成自己的名字，复制对应注意力的代码，这里我以Gam注意力为例（不同注意力的配置代码不同，请读者自行修改）其中model代表着你刚刚新建立的yaml文件名，也就是模型的名称，results代表着你数据集的配置文件，我的配置文件是上一篇博客讲的计挑赛的数据集配置文件。注意力不一定会在所有数据集均有精度或者速度的提升，有些注意力只会在特定数据集有小幅度的数据提升，所以读者需要根据自己数据集的特点进行注意力的选择！

环境依然使用anaconda配置虚拟环境，请确保虚拟环境的python>=3.7，torch>=1.7，我推荐python=3.8。同时，为了加速训练过程，有GPU平台的读者请确保CUDA>=10.2。我们假设你已经安装好了python=3.8的conda虚拟环境，进入刚刚建立好的虚拟环境后，安装GPU版本的torch和torchvision（没有GPU的请去掉+cu111）。

刚刚适应研究生生活，目前的研究方向是目标检测，师兄让我把几个经典网络跑一下，国庆节之前读了一篇水刊，研究遥感图像对飞机识别，但是他只做到了识别，并没有对飞机分类，所以我打算尝试一下用YOLOv5来对汽车进行分类，但是问题重重啊。放完假回来后我把问题挨个解决了，由于本人是第一次写博客，所以写的不好的地方请见谅。