1.目标分类 2.目标定位 3.特征点检测 4.滑动窗口检测 5.卷积的滑动窗口实现 3.交并比（IOU） 4.非极大抑制（NMS） 6.候选区域（Region

使用于darknet中，将xml文件转为xml文件，需要改四处。

本文来自于简书，本文主要介绍了对YOLO原理进行目标检测，以及yolov2网络结构为全卷积网络FCN，希望对您的学习有所帮助。创新点：端到端训练及推断+改革区域建议框式目标检测框架+实时目标检测1.1创新点(1)改革了区域建议框式检测框架:RCNN系列均需要生成建议框，在建议框上进行分类与回归，但建议框之间有重叠，这会带来很多重复工作。YOLO将全图划分为SXS的格子，每个格子负责中心在该格子的目标检测，采用一次性预测所有格子所含目标的bbox、定位置信度以及所有类别概率向量来将问题一次性解决(one-shot)。1.2Inference过程YOLO网络结构由24个卷积层与2个全连接层构成，网

坑洼检测数据集，收集包含1000道路坑洼图片，可直接用于训练道路坑洼检测

NWPU VHR-10数据集包含800个高分辨率的卫星图像，这些图像是从Google Earth和Vaihingen数据集裁剪而来的，然后由专家手动注释。数据集分成10类（飞机，轮船，储罐，棒球场，网球场，篮球场，地面跑道，港口，桥梁和车辆）。

可以解决多个数据集重名问题，规范化数据集内的文件名。 YOLO数据集VOC数据集用UUID重命名图片和xml文件，包含修改xml内的path，只需要修改图片和xml的路径就可以使用。 # 1、打开xml文件 tree =ET.parse(xPath + xmlnewname) # 获xml文件的内容取根标签 root = tree.getroot() # print(root) # 2、读取节点内容 Events_object = root.find("folder")

该数据集是人员跌倒数据集，一共近10000张，都是有效高清图片，可以直接用来训练，不需要再做额外的数据清洗工作。购买之后，可手把手进行训练辅助教学，保证训练代码可以跑通，喜欢的可以看看~~

PaddleDetec，yolo检测代码 PaddleDetec，yolo检测代码 PaddleDetec，yolo检测代码

PaddleDetection-Yolov5-main，YOLO V5 PADDLE代码 PaddleDetection-Yolov5-main，YOLO V5 PADDLE代码 PaddleDetection-Yolov5-main，YOLO V5 PADDLE代码

x光安检数据集 包含【训练集3369张】【验证集722张】【测试集723张】 适合YOLO系列算法，已划分完成，可以直接训练 【本数据集仅供学习使用】