最近，yolo_v4的開源掀起了一波熱潮，根據給出的資料yolo_v4實現了速度和精度的雙向突破，吊打了一系列的目標檢測網路。因此，考慮後續感測器融合的目標跟蹤研究的需要，研究yolo_v4是不可或缺的部分，並且先學習github中的開源demo，再研究該網路的原理。
1.基於linux下執行，首先執行shell指令碼，生成動態鏈結庫和執行檔案。
sudo sh ./build.sh
使用的cmake版本不對，需要3.12以上的cmake，使用的是2.8.12.2版本，更新cmake版本即可。
但是，直接執行的cmake為3.15.3版本，原因是預設路徑下的cmake版本過低，所以更新cmake版本，軟鏈結到/usr/bin/下即可。
錯誤2：
~~根據錯誤提示顯示動態鏈結庫沒有鏈結上，查閱該目錄下動態鏈結庫存在，需要解決動態鏈結庫鏈結問題。~~
1.基於cmake編譯出現問題，動態鏈結庫的問題沒有解決，換了一種思路嘗試使用裡面的make編譯。
一步到位，問題全部解決，舒服了。
2.執行yolo_v4網路
demo已經跑通了，接下來開始基於yolo_v4和不同的資料集進行訓練和測試，比對分析該網路的效能。（動手跑一跑，看看誤差會有多大。）
後面又研究了一下，發現是由於我們伺服器使用anconda3來管理每個人的python環境，因此，我的所有動態庫都在anconda3的環境下，最近比較忙，有空之後再重新除錯。
yolov4網路結構 目標檢測YOLO V4
一 yolo v4主要做了什麼？通俗的講，就是說這個yolo v4演算法是在原有yolo目標檢測架構的基礎上，採用了近些年cnn領域中最優秀的優化策略，從資料處理 主幹網路 網路訓練 啟用函式 損失函式等各個方面都有著不同程度的優化，雖沒有理論上的創新，但是會受到許許多多的工程師的歡迎，各種優化演算...
Yolov4煙火檢測
作者開源的資料集 以上資料集包含煙霧影象，但是標註只有1類 開源模型只有fire類，如果要同時檢測煙霧，需要自己在影象上標註煙霧類別。採用yolov5煙霧 火災2類檢測模型，為自己的資料預標註，然後修正即可！煙火檢測資料集包含的場景型別 大火 小火，建築 草原 森林 車輛 汽車 卡車 電單車 電動車...
YOLOv4目標檢測 原理與原始碼解析
yolov4是最近推出的基於深度學習的端到端實時目標檢測方法。yolov4的實現darknet是使用c語言開發的輕型開源深度學習框架，引入了許多新的目標檢測技巧，可以作為很好的 閱讀案例，讓我們深入 其實現原理。本課程將解析yolov4的實現原理和原始碼，具體內容包括 本課程將提供注釋後的darkn...