树莓派的用途树莓派可以做什么项目( 二 ) _视频

文章插图

GitHub链接：
https://github.com/rydercalmdown/dog_detector
YOLO背后的那些事儿说到目标检测网络YOLO ，这应该是目前最为常用的目标检测算法了，在自动驾驶、人脸识别等领域都有一展身手之地。
YOLO最早是由Joseph Redmon等人在2015年提出，并在随后的几篇论文中进行了修订。单是凭借YOLO ， Redmon就先后获得2016年CVPR群众选择奖、2017年CVPR最佳论文荣誉奖。在学术界， YOLO也是广受欢迎，三篇一作论文总引用量已经超过16000次。
在性能上，由于YOLO只使用单个网络，其便可以直接在检测性能上进行端到端优化，使得基础YOLO模型能以每秒45帧的速度实时处理图像。
就以YOLOv3为例，在Pascal Titan X上处理608×608图像速度达到20FPS ，在COCO test-dev上 mAP@0.5达到57.9% ，与RetinaNet的结果相近，并且速度快4倍。

文章插图

同时， YOLOv3在发扬了YOLO系列速度优点的同时，还提升了模型精度，尤其加强了对小目标和重叠遮挡目标的识别，补齐了此前的短板，是当时速度和精度均衡的目标检测网络。
不过，就在去年初， YOLO之父Joseph Redmon却突然宣布，退出计算机视觉领域。
Redmon在推特上表示，由于军用和隐私方面的问题和担忧，自己选择不再进行CV方面的研究。

文章插图

Fast.ai创始人Jeremy Howard转推评论到， “我之前从来没见过这种事” 。

文章插图

更让大家关心的是， YOLO的更新也暂时被搁浅。
不过好在两个月后，另一位曾经参与YOLO项目维护的Alexey Bochkovskiy ，在arXiv上提交了YOLOv4 ，这篇论文也被拉入原来YOLO之父建立的项目主线。
根据论文介绍，在COCO数据集上， YOLOv4达到了43.5%AP ， 65FPS ，分别提高了10%和12% ，运行速度是EfficientNet的2倍。

文章插图

YOLOv4的速度（FPS）、精度（MS COCO AP50…95和AP50）均超过了其他目标检测器。
论文总结道， YOLOv4主要有以下3点贡献：

提出了一种高效而强大的目标检测模型，使用1080Ti或2080Ti就能训练出超快、准确的目标检测器；
在检测器训练过程中，验证了最先进的Bag-of-Freebies和Bag-of-Specials方法对目标检测器的影响；
改进了SOTA方法，使其更有效、更适合单GPU训练。

据介绍， YOLOv4也用到相当多的技巧：

用于backbone的BoF：CutMix和Mosaic数据增强， DropBlock正则化， Class label smoothing
用于backbone的BoS：Mish激活函数， CSP ， MiWRC
用于检测器的BoF：CIoU-loss ， CmBN ， DropBlock正则化， Mosaic数据增强， Self-Adversarial 训练，消除网格敏感性，对单个ground-truth使用多个anchor ， Cosine annealing scheduler ，最佳超参数， Random training shapes
用于检测器的Bos：Mish激活函数， SPP ， SAM ， PAN ， DIoU-NMS

不过，小编还是要说，技术是中立的，区别在于使用技术的人。
比如这个狗子探测器，既能够发挥YOLO的价值，也能治愈人心，何乐而不为呢？
总结：以上内容就是关于树莓派可以做什么项目和树莓派的用途的全部内容，是由小编认真整理编辑的，如果对您有帮助请收藏转发...感谢支持！

特别声明：本站内容均来自网友提供或互联网，仅供参考，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。

树莓派的用途 树莓派可以做什么项目( 二 )

树莓派的用途树莓派可以做什么项目( 二 )