Yolo v2 多版本安裝

1、vs2015+opencv3.2+geforce gt 1030（c++編譯）

github：

opencv3.2配置

cuda選擇9.0，cudnn配套

配置和編譯

雙擊\darknet-master\build\darknet\darknet.sln（如果沒有gpu採用darknet_no_gpu.sln工程）開啟工程

修改darknet.vcxproj中cuda版本相關字樣

編譯

github：

cd darknet/

make

根據需要修改makefile檔案gpu/cudnn/opencv等（cudnn路徑也要修改）

1、keras+tebsorflow-gpu版

github:

安裝keras和tensorflow-gpu

pip install tensorflow-gpu

pip install keras

安裝yad2k

git clone 

cd yad2k
conda env create -f environment.yml
source activate yad2k
pip install numpy h5py pillow

2、tensorflow

github:

git clone

cd darknet/

python3 setup.py build_ext --inplace

pip install .

YOLO v2 檢測原理

v2版本的優化目標 改善召回率，提公升定位精度，保證分類準確度。yolov2相比yolov1的改進 v2在每乙個卷積之後增加了bn層，提高了網路訓練的速度，加快了收斂，消除了對其他正則化的依賴，且正則化效果更好，使調參更簡單，即使去掉dropout層也不會產生過擬合。v1先使用224 224的解析度...

YOLOV2演算法筆記

yolov2演算法詳解部落格 一 better 1.對每一層都做了歸一化 2.先利用分類資料對網路進行訓練，然後遷移學習。3.不再和yolov1那樣直接 bounding box，yolov2中開始利用ancher box,4.dimension clusters，利用k means聚類的方式，發現...

目標檢測 YOLOv2總結

以下為筆記相關鏈結 推薦使用鏈結閱讀 yolov2個人總結 01.yolo v2 題目 yolo 9000 better,faster,stronger 作者 joseph redmon yolo系列的主要作者 四個問題 要解決什麼問題？在yolov1的基礎上解決小目標檢測精度 定位資訊錯誤及綜合性...