1回答
我在做五种不同型号的标杆，YOLO v3Faster R-CNN在我的比较中，我想知道每种型号的大小，以讨论潜在的过度拟合(如果一些比另一些大对于Yolo模型，如YOLOv2有106个层，51000,657个参数，而YOLOv3有349层和65,252,682个参数。
我查看了其他模型，但在他们自己的论文中找不到类似的数字。因此，如果您能帮助我弄清楚这三种方法是否比YOLO简单，或者它们的复杂性如何，我将不胜感激。
浏览 0提问于2020-05-13得票数 1
2回答
我正在努力理解YOLO (v2)是如何被训练的。为此，我使用这个keras实现从零开始在VOC上训练YOLO (我对其他实现开放，但我从未使用过pytorch，因此，keras实现将是首选)。1-正如我所理解的，YOLO首先用于在imageNet上进行分类，然后这些经过训练的权重(用于分类)应该在训练yolo进行回归(检测边界框)时使用。在我在互联网上找到的用来从零开始训练yolo的大部分代码(用于回归)中，我没有看到这些分类权重被加
浏览 5提问于2020-03-27得票数 2
回答已采纳
conda create --name pytorch-yolo- torch[version='>=1.2']当我试图在conda环境中使用
浏览 4提问于2021-03-10得票数 0
回答已采纳
2回答
我最近在PyTorch (例如)中发现了Yolo实现。我想知道的是，这是否真的与Darknet backbone一样(在模型精度、速度等方面)？我之所以问这个问题，是因为使用PyTorch更容易(因为我正在为在windows上安装Darknet而苦苦挣扎)。
亲切的问候，可以
浏览 2提问于2020-08-30得票数 2
1回答
非平方图像作为YOLOv3的输入
、、、、
我目前使用的网络实现(由ultralytics 1实现的pytorch实现)以正方形图像作为输入。大多数CNNs的实现似乎都使用正方形图像作为网络体系结构的输入。我的问题是:如果我手动将网络架构更改为非平方大小(例如1000x400px)，yolo还能工作吗？
浏览 60提问于2019-03-12得票数 1
使用预先训练的权重检测图像中的对象的Darknet指南在这里 我使用Darknet的命令运行如下： ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg 有没有一种并行检测的方法？当然，我可以只并行启动相同的命令，但检测变得非常慢。
浏览 19提问于2020-08-11得票数 0
1回答
我正在训练 yolo 模型，我有包围盒格式(x，y，w，h，a)=>ex (197.996317 669.721413 390.070453 29.258397 7.696052) a是包围盒的角度，我想实现天使到包围盒格式，并训练yolo网络。我已经计算了边框和他的角度，但我不知道如何实现它的yolo网络风格。
如何实现角度与约罗包装箱风格？
浏览 2提问于2019-12-07得票数 0
1回答
从划痕中检测机器人NAO目标
、、、、
是否可以用YOLO创建我自己的对象检测脚本，或者创建一个Neuron网络来在NAO机器人中实现它(例如，在编舞中有一个检测框，但是不太有用，这就是为什么我想从头构建另一个)。
浏览 7提问于2022-02-25得票数 1
我正在自定义数据集上训练yolo5，但我一直在耗尽GPU的内存，因为它只使用8个GPU中的一个。我应该如何运行它才能使用所有的GPU？尝试分配16.00 MiB (GPU0；总容量11.17 GiB；已分配10.66 GiB；2.31 MiB可用空间；PyTorch总共保留10.72 GiB
感谢Ganesh
浏览 18提问于2021-02-19得票数 0
3回答
(expandTensors at /pytorch/aten/src/ATen/native/IndexingUtils.h:20)我得到的是：
File "/content/pytorch_custom_yolo_
浏览 3提问于2020-02-04得票数 10
回答已采纳
2回答
我想从头开始实现YOLO。我看过github中提供的代码，但我想从头开始尝试。有没有可能在普通的Python脚本中实现YOLO而不使用dark flow？我计划在keras中实现它。
浏览 2提问于2019-01-27得票数 0
我已经在ubuntu中安装了darknet，现在正在尝试在我的自定义数据集上使用yolo v2实现对象检测。在yolo论文中，他们告诉我们，他们已经使用图像网络数据集对网络进行了预训练。所以，我的问题是，我们是否也应该预先训练网络？ 抱歉，我说得太直白了。有人能回复我吗？
浏览 11提问于2019-03-10得票数 1
回答已采纳
1回答
在变尺寸图像中检测固定大小的对象
、、、、
神经网络可以训练来识别一个物体，然后检测该物体在图像中的出现，而不管它们的位置和表观大小。在PyTorch中这样做的一个例子是在
大多数代码处理图像大小调整为416 of平方，同时保持其纵横比和填充溢出。在PyTorch中有一种惯用的方法来做到这一点吗？
浏览 1提问于2020-11-16得票数 0
回答已采纳
我已经实现了图像标题使用VGG作为图像分类模型。我读过YOLO是一种快速的图像分类和检测模型，它主要用于多目标检测。但是，对于图像标题，我只想要类，而不是边框。
浏览 5提问于2017-04-08得票数 5
回答已采纳
1回答
在寻找这些问题的原因时，我了解到是这类问题的改进版本，它的目的是通过使用神经网络将跟踪与检测相关联来处理这个问题。我面临的问题是培训这种特殊的模式为深井。
浏览 1提问于2021-05-11得票数 3
我想为多通道图像(5通道)实现一个更快的RCNN架构，但是如果更直截了当的话，YOLO对我来说也是一样的。我对TF、PyTorch等没有特别的偏好，所以如果有人对其他库有建议/提示，欢迎您！
浏览 4提问于2020-02-11得票数 1
我看过，YOLOv3是在PyTorch中实现的，但是，它们顺利地跳过使用和解释这两个参数。mask = 3,4,5classes=80jitter=.3ignore_thresh = .7random=1
我认为这并不重要，但我使用AlexeyAB的黑网络存储库作为框架。
浏览 1提问于2019-05-18得票数 5
回答已采纳
我正在开发Unity应用程序，它可以识别手势。我用来训练模型的图像是50x50黑白图像，通过HSV值进行手工分割。现在，在测试模型时也是这样做的，但问题是:当相机中没有手时，它仍然检测到一些东西(任何-through移动相机)，因为HSV是不准确的，当使用(没有手)的图像被输入到模型时，它仍然给出了80%+的准确性，并为确定了一个随机类。
3级
浏览 2提问于2019-04-02得票数 1
回答已采纳
在Pytorch中，我知道某些图像处理转换可以这样组成：transform = transforms.Compose([transforms.ToTensor()，在我的例子中，每个图像都有一个与YOLOPytorch是否也允许将这些转换应用于图像的边界框坐标，然后将它们保存为新的注释？谢谢。
浏览 1提问于2020-07-24得票数 6
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
