摘要：
链接： https://blog.csdn.net/u012370185/article/details/85869074 https://blog.csdn.net/keepwhiter/article/details/94389678 https://www.cnblogs.com/xia-we 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
摘要：
YOLOv3：一个增加改进 约瑟夫·雷德曼等 摘 要 我们给YOLO提供了一些更新。我们做了一些小的修改，使它变得更好。我们还训练了这个新网络，它表现的非常好。它比上次要大一点，但是更准确。同时它也足够快，这点不用担心。当320×320时，YOLOv3运行只用22 ms，有28.2 mAP。准确率相 阅读全文
摘要：
YOLO9000：更好，更快，更强 约瑟夫·雷德曼等 摘 要 我们介绍最先进的实时检测系统YOLO9000能检测超过9000个物体类别。首先，我们对YOLO检测方法提出了多种改进方法，包括新颖的和从之前工作中的。这个改进的模型YOLOv2在标准检测任务像PASCAL VOC和COCO上是最先进的。使 阅读全文
摘要：
你只看一次：统一的，实时的目标检测 约瑟夫·雷德曼等 摘 要 我们提出了一种新的目标检测方法YOLO。先前在目标检测的工作中重新调整分类来执行检测。我们把目标检测做为一个空间分割边界框和关联类别概率的回归问题框架。一个神经网络在一次评估中，从一张图片中直接预测边界框和类别概率。因为全部的检测流水线在 阅读全文