去年十一那会无意间刷到一个视频展示的就是德国机械收割机非常高效自动化地24小时不间断地在超广阔的土地上采摘各种作物，专家设计出来了很多用于采摘不同农作物的大型机械，看着非常震撼，但是我们国内农业的发展还是相对比较滞后的，小的时候拔草是一个人一列蹲在地里就在那埋头拔草，不知道什么时候才能走到地的尽头，小块的分散的土地太多基本上都是只能人工手工来取收割，大点的连片的土地可以用收割机来收割，不过收割机基

0.写在前言本项目代码来源于：霹雳吧啦Wz和u版yolov3spp项目因为源项目的代码太过复杂，所以本章的代码在原有的基础上进行大幅度的删减(删了有一半左右吧)，并且加了点自己需要的部分Q：为什么要删减

目标检测pytorch复现Yolov3目标检测项目YOLOV3创新核心点YoloV3模型架构即损失函数YoloV3SPP网络模型以及环境搭建1环境配置：2文件结构3训练数据的准备以及目录结构4利用标注好的数据集生成一系列相关准备文件

1.目标检测的两种标注形式项目下载地址：YOLOV3SPP网络对自定义数据集的目标检测(标注方式包括xml或者yolo格式)目标检测边界框的表现形式有两种：YOLO(txt)：第一个为类别，后面四个为边界框

个人主页:风间琉璃版权:本文由【风间琉璃】原创、在CSDN首发、需要转载请联系博主如果文章对你有帮助、欢迎关注、点赞、收藏(一键三连)和订阅专栏哦前言YOLOv3SPP在YOLOV3基础上添加了若干trick

2.1create_modules部分2.1.1不同层的处理2.1.2信息的融合2.1.3yolo层的处理2.2get_yolo_layers2.3前向传播3.完整代码1.介绍根据上一节解析的cfg文件，本章将配置文件cfg搭建YOLOV3SPP

这篇博客用来记录一下自动混合精度的笔记，同时截取了yolov3spp项目相应的代码。

2代码解析可以根据代码注释以及最下方的YOLOv3spp

目录（一）YOLOV3一、导论二、基本思想1、backbone的改进2、针对多尺度预测编辑3、boundingbox预测4、正负样本的匹配5、多标签分类三、损失函数（二）YOLOV3SPP一、导论二、SPP

最近学习到了Yolov3spp的代码，觉得代码有一定的难度在这里分享一下。我尽可能的在每一句代码都进行了注释。本文章也是看了太阳花小绿豆博主的视频学习总结出来的，学的比较浅，希望大家批评指正。

YOLOv3SPP图片和代码来源1.解析网络结构的参数文件yolov3-spp.cfg记录了网络结构，其内容格式如下parse_model_cfg函数用于读取该配置文件内的参数，其步骤为：读取（除了空格和注释外的

在学习到yolov3spp源码时遇到的一些问题，其中之一是有关nn.ModuleList部分引用：PyTorch中的ModuleList和Sequential:区别和使用场景-知乎(zhihu.com)

深度学习之目标检测（九）--YOLOv3SPP理论介绍深度学习之目标检测（九）YOLOv3SPP理论介绍1.Mosaic图像增强2.SPP模块3.CIoULoss3.1IoULoss3.2GIoULoss3.3DIoULoss3.4CIoULoss4

利用YOLOv3SPP网络源码，训练自己的数据集的步骤主要内容利用YOLOv3SPP网络源码，训练自己的数据集的步骤第一部分1.下载项目及文件结构介绍2.训练数据的准备以及目录结构3.利用标注好的数据集生成一系列相关准备文件

YOLOV3spp使用教程这个文章是第一次发博客，可能有不对的地方，能给予一些指示，其次本篇文章主要还是在学习b站的一位up主的视频以及在博客上看到的所做的总结。

1.3predict_test.py文件二、配置文件解析2.1yolov3-spp.cfg模型配置文件2.2parse_config.py解析cfg配置文件三、网络搭建四、自定义数据集五、匹配正样本六、损失计算参考github项目YOLOv3SPP

0.引言0.1安排YOLOv1（简单理论）YOLOv2（简单理论）YOLOv3（详细理论）YOLOv3SPP（trick扩充+代码讲解）IoU、GIoU、DIoU、CIoUFocalLoss0.2学习代码的步骤搜该网络的讲解

yolov3spp

文章目录背景说明最终效果实现过程矩形推理在整体流程中的位置图形数据输入处理推理输出接收总结git地址背景说明模型是YOLOv3spp框架是Pytorch由于我的Nano上GPU计算资源不够，所以我们急需减少模型计算量