摘要：
说明： 本例程使用YOLOv3进行昆虫检测。例程分为数据处理、模型设计、损失函数、训练模型、模型预测和测试模型六个部分。本篇为第六部分，保存非极大值抑制输出的结果到预测结果文件，然后通过完整插值方法计算mAP。非极大值阈值的预测得分需要设置一个低的得分，使得计算mAP时能比较更多的平均精度。 实验代 阅读全文
摘要：
说明： 本例程使用YOLOv3进行昆虫检测。例程分为数据处理、模型设计、损失函数、训练模型、模型预测和测试模型六个部分。本篇为第五部分，使用非极大值抑制来消除预测出的重叠面积过大的边框，然后显示预测结果图像。 实验代码： 模型预测： import paddle.fluid as fluid from 阅读全文
摘要：
说明： 本例程使用YOLOv3进行昆虫检测。例程分为数据处理、模型设计、损失函数、训练模型、模型预测和测试模型六个部分。本篇为第四部分，使用Momentum优化算法训练YOLOv3网络权重。数据集训练一轮就使用验证集计算验证损失，如果当前为最好验证损失，则保存网络权重。开始学习率如果过大，会导致损失 阅读全文
摘要：
说明： 本例程使用YOLOv3进行昆虫检测。例程分为数据处理、模型设计、损失函数、训练模型、模型预测和测试模型六个部分。本篇为第三部分，设计了物体边框、物体置信度和物体类别的损失函数。物体边框的x、y使用sigmoid_cross_entropy_with_logits损失函数，w、h使用绝对值L1 阅读全文
摘要：
说明： 本例程使用YOLOv3进行昆虫检测。例程分为数据处理、模型设计、损失函数、训练模型、模型预测和测试模型六个部分。本篇为第二部分，使用Paddle动态图实现了YOLOv3，使用Darknet53骨干网络和YOLOv3的检测头部。 实验代码： Darknet53骨干网络和YOLOv3头部： im 阅读全文
摘要：
说明： 本例程使用YOLOv3进行昆虫检测。例程分为数据处理、模型设计、损失函数、训练模型、模型预测和测试模型六个部分。本篇为第一部分，实现了昆虫检测训练的数据预处理功能和预测和测试时读取和显示数据功能。 数据集下载地址：https://aistudio.baidu.com/aistudio/dat 阅读全文