2401_84870184的博客

介绍labelme的安装、使用完整流程，进行多边形标注以创建自己的语义分割数据集。

labelimg是应用于目标检测的手动标注工具，英文版，可生成yolo格式、voc、CreatML标签格式的目标检测数据集。本文介绍如何使用以及进行训练、常见问题。

注意力机制（Attention Mechanism）是一种在机器学习和深度学习中广泛使用的方法，它用于模仿人类大脑如何聚焦于特定信息并忽略其他不相关信息。本文以YOLOv7为示例介绍如何添加注意力机制。

mmcv这个库比较难安装，但在进行深度学习工作的时候却又很难避开，若是没有安装conda环境和CUDA环境的尤其难安装，若大家有遇到mmcv安装上的问题，可按照本文的步骤一步步安装即可解决。

以YOLOv5/YOLOv7示例展示深度学习的目标检测算法在输出的文件中的loss曲线变化规律的一般情况的分析总结，并用以调整自己的模型、调参等。

相比YOLOv5/v7，除了YOLOv5n外，YOLOv7tiny的参数量较小，效果往往也相较YOLOv5n高上不少，又近来博主打算改进yolov7-tiny文件，但苦于其池化层部位是直接写在yaml中的，修改极为不便，因此对池化层做简化处理。本次修改的目标是将yaml中池化层的代码修改为单层代码形式来代表，便于以后做替换、改进工作，因此，需要保证改进前后的参数量、GFLOPS相同。此外，可能有小伙伴会疑问，为何博主不推荐把所有部位都简化？这是因为某些修改常常会修改于1x1的卷积，而不修改3x3的卷积。

本文对于采用CPU/LAPTOP-GPU如何加快训练进程，会有较为明确的描述和解决方法，如果目前你存在设备算力差等类似情况的话，相信参考本文的步骤进行尝试是能够解决的。

本文主要介绍目标检测算法的改进点，通过阅读本文进行对应的改进，同学们对于如何改进创新，可以获得更多体会。

本文主要介绍以下几点：如何寻找合适的数据集。训练YOLOv5/v7的注意点和易错点。对比实验的选择。可用指标的选择。消融实验怎么做。如何丰富论文内容等。

很多小伙伴在初次学习YOLO系列项目存在困难，本文对于小白常犯的错误会有较为明确的描述和解决方法，如果目前你还在跑通YOLO系列代码存在疑问的话，参考本文的步骤一步一步走是能够解决的。相信很多同学目前跑YOLO用的不是实验室主机，而是自己的游戏本/轻薄本/台式主机，本文将分为两部分分别介绍在自己的电脑环境下快速搭建CPU/GPU环境。