摘要：
链接： https://bobjin.com/blog/view/ee2b14fab664b464b0aa2379b15bdba4.html https://blog.51cto.com/qiangsh/2046740 https://www.jianshu.com/p/66426a8f1bb9 说 阅读全文
摘要：
链接： https://paddle-lite.readthedocs.io/zh/latest/source_compile/compile_env.html https://paddle-lite.readthedocs.io/zh/latest/demo_guides/x86.html htt 阅读全文
摘要：
基于pyqt的电子时钟 介绍 通过电子时钟完成了基于pyqt的一个综合项目，其中包括UI界面与逻辑代码分离设计的思想，更新界面在主线程中完成，逻辑代码在子线程中完成。子线程的处理结果通过信号发送给主线程进行更新界面。子线程通过继承主线程来访问主线程的共享资源，主线程通过对象方法来访问子线程的资源。涉 阅读全文
摘要：
步骤： 1. pycharm添加designer File->Setting->Tools->External Tools-> Program:/home/yuandanfei/anaconda3/bin/designer Working directory:$ProjectFileDir$ 2. 阅读全文
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