iT邦幫忙

鐵人檔案

2024 iThome 鐵人賽
回列表
AI/ ML & Data

深度學習影像辨識-YOLO物件偵測-學習筆記 | 既然只活一次 那就來參加鐵人賽吧! 系列

本篇學習筆記主要是拿來督促自己的,內容涵蓋YOLO的基本架構與其演變,包括從YOLOv1到YOLOv9的發展,介紹其差異,及如何使用YOLO進行物件偵測。內容也會探討到模型的理論、訓練過程、參數調整以及評估指標。通過這篇筆記,目標是讓自己跟讀者知道如何利用遷移學習讓模型在自己的資料集上進行訓練,希望能有所助益!

參賽天數 6 天 | 共 6 篇文章 | 1 人訂閱 訂閱系列文 RSS系列文
DAY 1

[DAY1]-You Only Live Once-YOLO系列挑戰賽 前言與大綱

大家好,歡迎來到這個為期30天的YOLO系列挑戰賽!這次挑戰的初衷完全是為了自我督促,然後公司開發案多到爆炸,既然下班都要擠時間自學,不然就來參加挑戰賽吧! 這...

DAY 2

[DAY2]-從物件偵測種類與分割技術開始說起

Single object:單一物件表示在圖像中只處理一個物件。又可分為以下兩類 分類(Classification):識別單一物件的類別,例如「兔子」。 分...

DAY 3

[DAY3]-物件偵測資料集介紹

因為是公司專案需要,這邊私心會整理跟工作場合相關的資料集們,主要用在工業場景研究活動識別、姿勢偵測、安全檢測等 Chalearn LAP (Looking...

DAY 4

[Day4] 物件偵測指標 : 混淆矩陣! 你搞得我好亂啊!

混淆矩陣是機器學習和分類模型中一個非常重要的工具,它用來可視化模型在分類任務中的預測結果,幫助我們評估模型的性能。這種矩陣將模型的預測結果和實際結果進行對比,進...

DAY 5

[Day5] 混淆矩陣評估分類模型表現(上)

透過這四個指標,混淆矩陣幫助我們計算出多種常見的評估指標,這些指標能夠反映出模型在處理分類問題中的表現: 1.準確率 (Accuracy):準確率是最簡單的一個...

DAY 6

[Day6] 混淆矩陣評估分類模型表現(下)

4.F1 Score:F1 Score 是精確率和召回率的調和平均數,用來綜合評估模型的表現。當精確率和召回率都很重要時,這個指標特別有用。計算公式: F1=2...

Chieh.L 踏入資訊那些事的收藏
Chieh.L 踏入資訊那些事的追蹤
Chieh.L 踏入資訊那些事的Like
Chieh.L 踏入資訊那些事的紀錄