reference: http://blog.csdn.net/sinat_30071459/article/details/50723212 0.文件夹名 首先，确定你的数据集所放的文件夹名字，例如我的叫logos。 （或者和voc2007一样的名字：VOC2007） 1.图片命名 虽然说图片名对训练没什么影响，但建议还是按VOC2007那样，如“000005.jpg”这

Tiny_Yolov1_VOC2007目标检测 相较于YOLO模型，Tiny_YOLO版本将网络压缩了许多，不管是训练还是移植速度都比较快，更加适用于业界应用。 文章目录 Tiny_Yolov1_VOC2007目标检测一、 Tiny_Yolov1结构二、VOC2007数据集上的训练过程三、模型检测效果四、深入思考五、源码六、相关链接 一、 Tiny_Yolov1结构 网络输入

1-COCO数据集 cocodataset 1、下载数据 os：此处只下载COCO2017用于实验，如果后续用到2014再补充代码。unzip的过程可能比较久，耐心等待直到执行完。 选择保存COCO2017数据的文件夹，打开该文件夹&下载&解压代码： cd COCO2017wget http://images.cocodataset.org/zips/train2017.zip w

VOC2012和VOC2007的下载地址： https://pjreddie.com/projects/pascal-voc-dataset-mirror/   ​​​​​​​ Annotations文件夹  该文件下存放的是xml格式的标签文件，每个xml文件都对应于JPEGImages文件夹的一张图片。这是最重要的，保存重要的位置信息size 是图片的信息object 是物体名称信息

经典目标检测YOLO系列(一)复现YOLOV1(4)VOC2007数据集的读取及预处理 之前，我们依据《YOLO目标检测》(ISBN:9787115627094)一书，提出了新的YOLOV1架构，并解决前向推理过程中的两个问题，继续按照此书进行YOLOV1的复现。 经典目标检测YOLO系列(一)YOLOV1的复现(1)总体架构 经典目标检测YOLO系列(一)复现YOLOV1(2)反解边界框及后

经典目标检测YOLO系列(1)YOLO-V1算法及其在VOC2007数据集上的应用 1 YOLO-V1的简述 1.1 目标检测概述 ​ 目标检测有非常广泛的应用， 例如：在安防监控、手机支付中的人脸检测；在智慧交通，自动驾驶中的车辆检测；在智慧商超，无人结账中的商品检测；在工业领域中的钢材、轨道表面缺陷检测。 ​ 目标检测关注的是图片中特定目标物体的位置。一个检测任务包含两个子任务，其一是

安装caffe_ssd 前提： linux双系统 原生caffe安装配置 caffe_ssd：https://github.com/weiliu89/caffe/tree/ssd git clone https://github.com/weiliu89/caffe.gitcd caffegit checkout ssd　　＃这句一定要有，相当于从origin转到一个tree去可以理解