YOLO的入门需要一点RCNN的基础,把RCNN(不需要Faster RCNN)看明白了,再来学会非常轻松。
相对分类任务,目标检测任务的学习门槛更高。拿到yolov5的开源代码,想要学懂学透有一定难度,
这里总结下自己学习yolov5代码的一些心得:
1、师父领进门
想要自己从0学透yolov5很困难,可以先从B站上找一些代码串讲的视频,熟悉下大致流程。
2、加log打印不明白的数据或流程。此时要主要,用最少的训练/验证数据来加快log的打印。
3、将代码中的简写变量名,特别是很多单字母的变量名,改成全称,或者自己能一眼看明白的名称。
4、真正理解概念的最好方法是把它实现出来
对于yolov5,要自己动手写网络模型/模型的各种组件,预处理流程,loss的计算流程等等。
项目实战
5、找一个自己感兴趣的目标检测项目,亲手进行代码调试,在解决问题的过程中,加深对yolov5中各种
注意事项,tricks的理解。
推荐一个b站的YOLO入门学习教程:
学会了YOLO就能做很多离谱的事情【B站最全YOLO教程】YOLOv1/v2/v3/v4/v5/v6/v7/目标检测/图像处理/人工智能/AI/算法/深度学习_哔哩哔哩_bilibili
最后免费分享一些我整理的人工智能学习资料给大家,整理了很久,非常全面。包括一些人工智能基础入门视频+AI常用框架实战视频、图像识别、OpenCV、NLQ、YOLO、机器学习、pytorch、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文、行业报告等。
为了更好的系统学习AI,推荐大家收藏一份。
下面是部分截图,文末附免费下载方式。
一、人工智能免费视频课程和项目
二、人工智能必读书籍
三、人工智能论文合集
四、人工智能行业报告
学好人工智能,要多看书,多动手,多实践,要想提高自己的水平,一定要学会沉下心来慢慢的系统学习,最终才能有所收获。