云服务器训练yolov5

‘壹’ SSD与yolov5的优劣

yolo容易漏检，但ssd不容易。
YOLO虽然能够达到实时的效果，但是其mAP与刚面提到的的结果有很大的差距，每个网格只预测一个物体，容易造成漏检。
针对YOLO中的这些不足，该论文提出的方法SSD在这两方面都有所改进，同时兼顾了mAP和实时性的要求。在满足实时性的条件下，接近stateofart的结果。

‘贰’ yolov5 best.pt last.bt 区别

yolov5是一种现代的物体检测算法，用torch编写，除此之外，它还具有速度快、精度高、易于安装和使用的特点。
就准确率而言，yolor 与 yolov5 相比最好，因为 yolor 的平均平均准确率从 (54%) 开始，到 68% 结束。而在 yolov5 中，平均精度从 35% 开始，到 55% 结束，但是 yolor 以模型大小（1280）提供的结果，而 yolov5 以模型大小（640）提供的结果，所以如果将两者进行比较在相同大小的情况下，与 yolor 相比，Yolov5 的结果要好得多。
对象检测技术被广泛用作工业中许多应用程序的后端，包括桌面和 Web 应用程序。它也是许多计算机视觉任务的支柱，包括对象分割、对象跟踪、对象分类、对象计数等。在现代，每个人对任何应用程序的目标是，“应用程序必须易于使用，需要更少的处理时间并提供最佳结果” 。

‘叁’ yolov5是图像处理技术吗

YOLOV5可以说是图像处理技术，但更准确来说是一种单阶段目标检测算法，机器视觉任务，常见的有分类、检测、分割。而YOLO正是检测中的佼佼者，在工业界，YOLO兼顾精度和速度，往往是大家的首选。

延伸：YOLO将对象检测重新定义为一个回归问题。能够将单个卷积神经网络应用于整个图像，把图像分成网格，并预测每个网格的类概率和边界框。YOLO非常快，由于检测问题是一个回归问题，所以不需要复杂的管道。YOLO比“R-CNN”快1000倍，比“Fast R-CNN”快100倍，YOLOV5是YOLO最新的版本。

若帮助到您，求采纳~

‘肆’ yolov5剪枝报错：TypeError: run() got an unexpected keyword argument 'cfg'，不知道该怎么改

错误提示你mumpy还是没有安装完全，建议卸载够从新安装。不知道你是用什么方法安装的，如果是pip，有可能是因为和谐网络连接的问题导致某些相关模块没安装成功，建议根据自己的系统下载相应的numpy版本进行本地安装

‘伍’ yolov5和随机蕨算法的区别

区别如下：
随机化算法，是这样一种算法，在算法中使用了随机函数，且随机函数的返回值直接或者间接的影响了算法的执行流程或执行结果。就是将算法的某一步或某几步置于运气的控制之下，即该算法在运行的过程中的某一步或某几步涉及一个随机决策，或者说其中的一个决策依赖于某种随机事件。
Yolov5图像识别技术简介YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示：输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放；基准网络：融合其它检测算法中的一些新思路，主要包括：Focus结构与CSP结构。

‘陆’ yolov5ds使用了什么神经网络

卷积神经网络。
当下YOLO最新的卷积神经网络YOLOv5是完全基于PyTorch实现的，现版本的YOLOv5每个图像的推理时间最快0.007秒，即每秒140帧（FPS），但YOLOv5的权重文件大小只有YOLOv4的1/9。

‘柒’ yolov5属于深度学习吗

属于
YOLOv5s网络是YOLOv5系列中深度最小,特征图的宽度最小的网络。

‘捌’ apex的yolov5会被封么

不会。
yolov5对于游戏和系统的代码没有进行任何的修改，而是通过外接的视频采集卡+AI+一个输入控制器来实现。不会电脑软件检测出来。
yolov5是一款配置wandb，一个动态展示训练状态的web portal，用以观察loss和设备情况。

‘玖’ yolo训练中进度条后面的是什么

未完成的。在使用者对yolo训练操作时，yolo训练软件设计中者为了方便用户对进程一目了然，设置了进度条，操作者完成yolo训练中的进度便可以增加，没有进度条后面没有增加的属于还未完成的内容。

‘拾’ yolov5图片数据集需要压缩像素吗

yolov5图片数据集需要压缩像素。
最近项目用到了yolov5。初始图像是1440×1080大小的，在训练时显示“cuutofmemory”，故保持原始长宽比，将图像缩小成720×540大小进行训练。