yolo算法

① 跑yolo3需要多少显存

训练你可以通过设置batch_szie（一次训练所选取的样本数），以及改变算法结构来控制显存的占用。
对于运行yolov3，需要1.7g左右的显存

② 为什么SSD目标检测算法对小目标检测的效果不好，SSD目标检测算法集成tengine里面吗

SSD目标检测算法对小目标检测的效果应该算是比较好的，理论上YOLO这种算法对小目标检测效果可能不是太好。像YOLO、FasterRCNN这些算法，它只在最后一层做anchor的话，它没有多尺度的特征，对尺度变化不敏感，而SSD是对小目标检测效果比较好的算法。

③ yolo算法是什么

Yolo是一种目标检测算法。

目标检测的任务是从图片中找出物体并给出其类别和位置，对于单张图片，输出为图片中包含的N个物体的每个物体的中心位置（x,y)、宽（w)、高（h)以及其类别。

Yolo的预测基于整个图片，一次性输出所有检测到的目标信号，包括其类别和位置。Yolo首先将图片分割为sxs个相同大小的grid。

介绍

Yolo只要求grid中识别的物体的中心必须在这个grid内（具体来说，若某个目标的中心点位于一个grid内，该grid输出该目标类别的概率为1，所有其他grid对该目标预测概率设置为0)。

实现方法：让sxs个框每个都预测出B个boungding box，bounding box有5个量，分别为物体的x,y,h,w和预测的置信度；每个grid预测B个bounding box和物体类别，类别使用one-hot表示。

④ yolo 算法 网格的两个bounding box大小是怎么确定的

我感觉是训练出来的，输出的数据里面有bbox的x,y,w,h，然后将预测出来的x,y,w,h和真实值比较，通过反向传播修改前面神经网路的参数，经过多次迭代，就能得到理想的bbox。在测试时训练好的神经网络看到当前网格的一些信息，就能推测出应该用怎么的bbox。我刚刚也在想这个问题，突然想到这种解释，也不知道对不对。

⑤ yolov3能识别图片上的公式吗

目前目标检测类检测效果和检测速度最好的算法，原版的yolov3检测的物体种类众多，本文实在原有yolov3上将多累物体检测简化为单类物体检测，本文的原始代码基于目前目标检测类检测效果和检测速度最好的算法，原版的yolov3检测的物体种类众多，本文实在原有yolov3上将多累物体检测简化为单类物体检测，本文的原始代码基于目前目标检测类检测效果和检测速度最好的算法，原版的yolov3检测的物体种类众多，本文实在原有yolov3上将多累物体检测简化为单类物体检测，本文的原始代码基于

⑥ yolo算法损失函数中两道杠的符号在word怎么打

mathtype 手写体双线小写L(\doublel）

⑦ yolo算法是什么

YOLO (You Only Look Once)，是一个用于目标检测的网络。

目标检测任务包括确定图像中存在某些对象的位置，以及对这些对象进行分类。以前的方法，比如R-CNN和它的变种，使用一个管道在多个步骤中执行这个任务。这可能运行缓慢，也很难优化，因为每个单独的组件都必须单独训练。

(7)yolo算法扩展阅读

技术背景

人们看到图像以后，可以立即识别其中的对象、它们的位置和相对位置。这使得我们能够在几乎无意识的情况下完成复杂的任务，比如开车。因此，对汽车进行自动驾驶训练需要类似水平的反应能力和准确性。

在其最基本的形式中，这样的系统必须能够分析实时视频中的道路，并能够在继续确定路径之前检测各种类型的对象及其在现实世界中的位置，所有这些都必须是实时的。

⑧ caffe上有没有实现YOLO目标检测算法

都是自动计算的 可以设置单价 直接连价格都不用算的 利手经纬度来计算的

⑨ yolo算法识别后，在图片框上的数字代表什么

图片框上的数字代表了他出场的次数，一般来说现在他已经出场了两次了，所以说还是很有代表性的。

⑩ yolo算法是什么意思

Yolo是一种目标检测算法。

YOLO将对象检测重新定义为一个回归问题。它将单个卷积神经网络（CNN)应用于整个图像，将图像分成网格，并预测每个网格的类概率和边界框。例如，以一个100x100的图像为例。我们把它分成网格，比如7x7。

然后，对于每个网格，网络都会预测一个边界框和与每个类别（汽车，行人，交通信号灯等）相对应的概率。

重要性：

YOLO非常快。由于检测问题是一个回归问题，所以不需要复杂的管道。它比“R-CNN”快1000倍，比“Fast R-CNN”快100倍。

它能够处理实时视频流，延迟小于25毫秒。它的精度是以前实时系统的两倍多。同样重要的是，YOLO遵循的是“端到端深度学习”的实践。