目标检测之YOLOv4
一，YOLOv4原文翻译 转自：YOLOv4原文翻译 - v4它终于来了！ 论文原文：https://arxiv.org/abs/2004.10934 源码：https://github.com/AlexeyAB/darknet 0 摘要 目前有很多可以提高CNN准确性的算法 ...
原文：YOLOv4检测图片添加置信度和计数
主要修改的image.c文件，在darknet目录下直接ctrl f搜即可，然后打开，找到draw detections v 函数，加入用来计数的变量。 我的改法其实有点问题，如果置信度位数过多的话左上角第二行会重复。我懒的研究，直接把置信度位数改小，让第二行盖过它。 ...
2020-06-30 15:14 1 1683 推荐指数：
相关推荐
yolov3输出检测图片位置信息
前言 我们在进行图片识别后需要进行进一步的处理，该文章会介绍：1.怎样取消lables;2.输出并保存(.txt)标记框的位置信息 一.去掉label 在darknet/src/image.c 收索draw_detections_v3 .在该函数对应目录下进行修改 ...
（转）YOLOv5的置信度阀值与iou阀值
conf_thres Confidence Threshold，置信度阈值。 只显示预测概率超过conf_thres的预测结果。 想让YOLO只标记可能性高的地方，就把这个参数提高。 iou_thres Intersect over Union ...
目标检测——yolov4预测及后处理
运用训练好的模型进行目标检测，模型输出为中心点对grid的偏移，长宽相对于anchor的缩放比例以及类别 其维度为（b, 13, 13, 3, classes+5） 1. 根据（x, y, h, w）计算出预测框相对于原图像的位置和大小 2. 获取得分 3.非极大值抑制 ...
目标检测——yolov4损失函数
损失函数 yolo损失分为3个部分类别损失、置信度损失、位置损失 1. 类别损失 只有有目标的地方才会有类别判断，从而才会有类别损失，所以需要解决两个问题：1.有目标的地方；2.类别损失 1.1有目标的地方：object_mask object_mask根据 y_true（真实值）确定 ...
目标检测——yolov4模型搭建
yolov4的网络模型主要分为4个部分 1. 主干特征提取网络，CSPDarkent53 相比 yolov3的Darknet53， yolov4的CSPDarknet53网络有如下特点 1.1 Msih激活函数 Mish激活函数在输入是负值的时候并不是完全截断，允许负梯度的流入 ...
目标检测——yolov4模型评价
目标检测模型的好坏通常用mAP和FPS来评价，一个代表准确度，一个代表速度。 mAP的评价指标确切的说无模型无关。 mAP--mean Average Precision. 我们用Precision表示模型预测的精度，即模型预测的所有正例中真正正例的比例 用recall表示模型的召回率 ...
【python-opencv】绘图（目标检测框及其置信度等）
一些常见的参数，如下所示： img：您要绘制形状的图像 color：形状的颜色。对于BGR，将其作为元组传递，例如：(255,0,0)对于蓝色。对于灰度，只需传递标量值即可。 厚度：线 ...