【论文笔记】道路检测 SNE-RoadSeg
论文标题：SNE-RoadSeg: Incorporating Surface Normal Information into Semantic Segmentation for Accurate Freespace Detection论文地址：https://arxiv.org/abs/2008.
yoloV5（二）目标检测中常见指标
目标检测中常见指标 、混淆矩阵、PR曲线、MAp
基于深度学习识别湖泊，以洞庭湖区域为例
深度学习大概分成两部分，模型训练和图像识别，模型训练涉及样本训练和样本验证，这个部分为深度学习的主要部分，通过调节样本集和训练参数控制结果精度。鉴于样本获取及计算机性能，这里使用现成的训练结果集，访问地址：https://github.com/isikdogan/deepwatermap。1、安装环
论文阅读笔记：End-to-End Object Detection with Transformers
论文阅读笔记：End-to-End Object Detection with Transformers
Windows下使用Darknet训练自己的数据集（模型：yolov4-tiny、数据集：垃圾分类）
超级详细的Darknet训练自己数据集的教程博客，使用yolov4-tiny模型进行垃圾分类数据集进行训练！
目标检测性能指标(完全版)
目标检测任务的性能指标通常分为两大类，一方面要判断检测是否准确，另外一方面要评估算法是否足够高，具体如下：检测精度：Precision，Recall，Accuracy，F1 Score，IoU（Intersection over Union），P-R curve（Precision-Recall c
物体检测实战：使用 OpenCV 进行 YOLO 对象检测
使用 OpenCV 进行 YOLO 对象检测本文将教你如何使用YOLOV3对象检测器、OpenCV和Python实现对图像和视频流的检测。用到的文件有yolov3.weights、yolov3.cfg、coco.names，这三个文件的github链接如下：GitHub - pjreddie/dar
yolov3 darknet 转 TVM 推理输出、一文读懂
yolov3 darknet 转 TVM Python 推理，附仓库可运行代码；该代码支持 YOLO-V2 and YOLO-V3 DarkNet Models 转 TVM 推理输出；1. 模型下载【代码自动下载、网速不佳、也可手动下载】2. 模型转换【DarkNet Models 转 TV
目标检测进阶：使用深度学习和 OpenCV 进行目标检测
使用深度学习和 OpenCV 进行目标检测基于深度学习的对象检测时，您可能会遇到三种主要的对象检测方法：Faster R-CNNs (Ren et al., 2015)You Only Look Once (YOLO) (Redmon et al., 2015)Single Shot Detecto
使用yolov5训练自己的数据集（苹果成熟度检测）
先从Github上下载YOLOv5，下载好解压配置好就可以使用，地址：https://github.com/ultralytics/yolov51.训练数据集的准备工作在yolov5 目录的data文件夹下新建四个文件夹，先说明这四个文件夹分别是用来干什么的，后面会往里面一一加入需要添加的内容。An
九大遥感目标检测数据集（附下载链接）
本文梳理了目标监测领域的九大遥感图像数据集，包括粗粒度和细粒度数据集，对各数据集的具体指标及标注格式给出了解释。
