[Paddle学习笔记][09][基于YOLOv3的昆虫检测-模型设计]
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 ...
原文：[Paddle学习笔记][12][基于YOLOv3的昆虫检测-模型预测]
说明： 本例程使用YOLOv 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： 结果： image infer: infer.py文件 参考资料： https: blog.csdn.net litt e article details https ...
2020-09-17 15:49 0 574 推荐指数：
相关推荐
[Paddle学习笔记][08][基于YOLOv3的昆虫检测-数据处理]
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 ...
YOLOV3目标检测模型训练实例
YOLOV3目标检测 从零开始学习使用keras-yolov3进行图片的目标检测，比较详细地记录了准备以及训练过程，提供一个信号灯的目标检测模型训练实例，并提供相关代码与训练集。 DEMO测试 YOLO提供了模型以及源码，首先使用YOLO训练好的权重文件进行快速测试，首先下载权重文件 ...
目标检测之YOLOv3
YOLOv3没有太多的创新，主要是借鉴一些好的方案融合到YOLO里面。不过效果还是不错的，在保持速度优势的前提下，提升了预测精度，尤其是加强了对小物体的识别能力。本文主要讲v3的改进，由于是以v1和v2为基础，关于YOLOv1和YOLOv2的分析请移步YOLOv1 深入理解和YOLOv ...
飞桨|PaddlePaddle YoloV3学习笔记
学习了两周PaddlePaddle，刚开始都是比较简单的网络，直到遇到YoloV3这个大家伙，它的程序内容涉及图像增广（训练数据扩充），锚框生成（以及微调），候选区域生成、目标标注、特征提取、特征位置对应、损失函数构建、多尺度检测等等，最终构成的是一个end2end的目标识别程序。我并没有看原论文 ...
基于树莓派与YOLOv3模型的人体目标检测小车（一）
项目介绍： 本科毕业选的深度学习的毕设，一开始只是学习了一下YOLOv3模型， 按照作者的指示在官网上下载下来权重，配好环境跑出来Demo,后来想着只是跑模型会不会太单薄，于是想了能不能做出来个比较实用的东西（因为模型优化做不了）。于是乎做一个可以检测人体的可操控移动小车的想法就诞生了。 实现 ...
基于树莓派与YOLOv3模型的人体目标检测小车（三）
模型效果： 在上文中，我们制作了数据集，并利用数据集进行了模型的训练，利用静态图片和视频对模型的检测效果进行了检验，发现效果还是不错的。 前两张为静态图片检测，后一张为视频检测效果截图。 但是模型要想部署在算力微弱的树莓派上，还需要进行两次模型转化才能运行在NCS上进 ...
基于树莓派与YOLOv3模型的人体目标检测小车（二）
上篇文章介绍了如何搭建深度学习环境，在Ubuntu18.04TLS上搭建起了 CUDA：9.0+cuDNN7.0+tensorflow-gpu 1.9 的训练环境。本篇文章将介绍如何制作自己的数据集，并训练模型。 本文训练数据集包括从VOC数据集中提取出6095张人体图片，以及使用 ...