腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

YOLO输出 ? 假设我要训练一个 CNN 来识别三种类别：人、猫、狗。因此输出向量Y将只有三个元素C1、C2、C3，每个元素都是一个类别得分。如果有更多类别，这个向量将边长。为了提高边界框的准确性，YOLO使用网格而不是滑动窗口，并且使用交并比和非极大值抑制（Intersection Over Union and Non-Maximal Suppression）上述技术的组合是 YOLO算法运行良好的部分原因.

2018-10-10

1.6K0

标签:

YOLO核心思想：从R-CNN到Fast R-CNN一直采用的思路是proposal+分类（proposal 提供位置信息，分类提供类别信息）精度已经很高，但是速度还不行。 YOLO提供了另一种更为直接的思路：直接在输出层回归bounding box的位置和bounding box所属的类别(整张图作为网络的输入，把 Object Detection 的问题转化成一个 YOLO的主要特点：速度快，能够达到实时的要求。在 Titan X 的 GPU 上能够达到 45 帧每秒。使用全图作为 Context 信息，背景错误（把背景错认为物体）比较少。泛化能力强。缺陷： YOLO对相互靠的很近的物体（挨在一起且中点都落在同一个格子上的情况），还有很小的群体检测效果不好，这是因为一个网格中只预测了两个框，并且只属于一类。

2018-03-12

1.7K0

标签:

【YOLO】快速在Windows上部署YOLO

近年来，**YOLO（You Only Look Once）**算法因其速度与精度的平衡而变得非常流行。在这篇博文中，我们将详细介绍如何快速在Windows系统上部署YOLO模型。

2024-07-13

1.6K0

标签:

YOLO介绍 YOLO，全称为You Only Look Once: Unified, Real-Time Object Detection，是一种实时目标检测算法。 YOLO的网络结构受到了GoogLeNet的启发，包含24个卷积层和2个全连接层。在YOLO v1中，作者使用了1×1的降维层紧跟着3×3的卷积层来代替GoogLeNet的inception模块。 Yolo算法思想： Yolo模型采用预定义预测区域的方法来完成目标检测，具体而言是将原始图像划分为 7x7=49 个网格（grid），每个网格允许预测出2个边框（bounding box，包含某个对象的矩形框 Yolo的网络结构 YOLO的结构非常简单，就是单纯的卷积、池化最后加了两层全连接，从网络结构上看，与前面介绍的CNN分类网络没有本质的区别，最大的差异是输出层用线性函数做激活函数，因为需要预测bounding 主要是因为Yolo的网络中，卷积层最后接了两个全连接层，全连接层是要求固定大小的向量作为输入，所以Yolo的输入图像的大小固定为448x448。网络的输出就是一个7x7x30 的张量。

2024-03-15

2.5K0

标签:

YOLO Implementation

Image') plt.imshow(resized_image) plt.show()` 一旦图像已经被加载和调整大小，并且您已经为nms_thresh和iou_thresh选择了参数，我们就可以使用YOLO detect_objects（）函数还打印出YOLO算法检测图像中对象和检测到的对象数所花费的时间。一旦我们得到YOLO找到的对象的边界框，我们就可以打印找到的对象的类及其对应的对象类概率。为此，我们在utils模块中使用print_objects（）函数。最后，我们使用plot_boxes（）函数绘制YOLO在我们的图像中找到的边界框和相应的对象类标签。如果将plot_labels标志设置为False，您将显示没有标签的边界框。

2018-10-10

8940

标签:

("level", "") no = f"{int(no):04d}" view size is not compatible with input tensor’s size and stride yolo_layer.py

小锋学长生活大爆炸

2021-11-24

1.1K0

标签:

CVPR2013 - You Only Look Once: Unified, Real-Time Object Detection 开源代码：https://pjreddie.com/darknet/yolo CVPR2017 - YOLO9000: Better, Faster, Stronger 开源代码：https://pjreddie.com/darknet/yolo/ 3. 开源代码（PyTorch）：https://github.com/ultralytics/yolov3 开源代码（TensorFlow）：https://github.com/qqwweee/keras-yolo3 CVPR2021 - YOLOX: Exceeding YOLO Series in 2021 开源代码：https://github.com/Megvii-BaseDetection/YOLOX 7.

一点人工一点智能

2022-12-27

6630

标签:

YOLO-Master 与 YOLO26 开始

2026 年初，YOLO 迎来了新变化，都非常亮眼一是 YOLO-Master：引入了 ES-MoE，让计算更智能。会依据输入自适应做计算，不再是静态的。既然 YOLO 上新了，那一起玩一玩吧 ☺️体验 YOLO-Master: https://huggingface.co/spaces/gatilin/YOLO-Master-WebUI-Demo体验 YOLO26: https://platform.ultralytics.com/ultralytics/yolo26以下则是动手实践了呢。 https://huggingface.co/gatilin/YOLO-Master-ckpts-v0/resolve/main/YOLO-Master-EsMoE-N/YOLO-Master-EsMoE-N.pt download=trueln -s YOLO-Master-EsMoE-N.pt yolo_master_n.pt推理from ultralytics import YOLO# 加载模型，Nano 版

2026-03-30

4180

标签:

yolo 初体验

框住要标注的目标即可，如下图，是我对公章数据进行标注：标注的时候，会把predefined_classes.txt预定义的标加载出来，然后我们只要选择对应的标签即可右上角会显示已经标注目标的标签一定要选择yolo 的格式导出他会自动创建一个class 例如我训练的是两个杯子绿的和蓝色的绿的为 A 蓝的为 B 之后文件夹以这种形式分布 YOLO\_A ( images ( 下面的放 txt 和class 标注下载yolov5 直接这个网站现在zip 解压 https://github.com/ultralytics/yolov5 然后创建虚拟环境 ,然后安装 ,在yolo /yolo\_A/A.yaml --weights yolov5s.pt --nosave --cache 这个在官网有其他的比如 yolov5s.pt yolov5x.pt s 是比较快的

百里丶落云

2023-11-14

5970

标签:

2023腾讯·技术创作特训营第三期

YOLO系列介绍

YOLO算法采用直接回归功能的CNN来完成整个目标检测的过程。这个过程不需要额外，设计复杂的过程。 YOLO算法相比于这两种算法而言，没有Anchor机制，多尺度等等设计的过程。YOLO直接采用一个卷积网络，最终通过直接回归的方法，来获取多个Bounding box的位置以及类别。也就是说对于每个格子，我们最终只预测当中的一个物体，实际上这也是YOLO算法的一个缺陷。 YOLO9000 YOLO9000是在YOLOV2的基础上提出的一种可以检测超过9000个类别的模型，其主要贡献点在于提出了一种分类和检测的联合训练策略。最终得到了YOLO9000这样一个性能更加优的分类器和检测器。YOLO9000能够完成9000个物体的检测和分类，并且能够保证较高的一个实时性。

2022-03-24

2.4K0

标签: