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darknet的原始碼程式檔案。
除本課程《yolov4目標檢測：原理與原始碼解析》外，本人推出了有關yolov4目標檢測的系列課程，包括：
《yolov4目標檢測實戰：訓練自己的資料集》
《yolov4-tiny目標檢測實戰：訓練自己的資料集》
《yolov4目標檢測實戰：人臉口罩佩戴檢測》
《yolov4目標檢測實戰：中國交通標誌識別》
建議先學習一門yolov4實戰課程，對yolov4的使用方法了解以後再學習本課程。
目標檢測網路 YOLO V4（一）
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...
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...