10 2018 档案

摘要：This results in a significant improvement in speed for high-accuracy detection（59 FPS with mAP 74.3% on VOC2007 test, vs Faster-rcnn 7 FPS with mAP 73 阅读全文

摘要：分析过程首先我们从yolo的训练命令开始分析（yolo的源码是用c++写的）：./darknet detector train cfg/voc.data cfg/yolo-voc.cfg darknet19_448.conv.23 从这里我们可以看出yolo主函数main中的参数argv[]在其中对 阅读全文

摘要：1.下载官网的YOLOv3，打开终端输入：git clone https://github.com/pjreddie/darknet下载完成之后，输入：cd darknet，然后再输入：make，make完成之后，下载预先训练的weights文件，通过在终端里输入：wget https://pjre 阅读全文

摘要：一、参数解析 二、训练log中各参数的意义Region Avg IOU：平均的IOU，代表预测的bounding box和ground truth的交集与并集之比，期望该值趋近于1。 Class:是标注物体的概率，期望该值趋近于1. Obj：期望该值趋近于1. No Obj:期望该值越来越小但不为零 阅读全文

摘要：转自：https://zhuanlan.zhihu.com/p/35394369 YOLOv3的前世今生 2013年，R-CNN横空出世，目标检测DL世代大幕拉开。 各路豪杰快速迭代，陆续有了SPP，fast，faster版本，至R-FCN，速度与精度齐飞，区域推荐类网络大放异彩。 奈何，未达实时检 阅读全文

摘要：转自：https://blog.csdn.net/u014380165/article/details/77961414 YOLOV2要是YOLO的升级版（Better faster） Better这部分细节很多，想要详细了解的话建议还是看源码。很明显，本篇论文是YOLO作者为了改进原有的YOLO算 阅读全文

摘要：文章《You Only Look Once: Unified, Real-Time Object Detection》提出方法下面简称YOLO。目前，基于深度学习算法的一系列目标检测算法大致可以分为两大流派：1.两步走（two-stage）算法：先产生候选区域然后再进行CNN分类(RCNN系列)，2 阅读全文