检测与识别
wonengguwozai
欢迎爱技术的同行交流
展开
-
人脸识别损失函数梳理与分析/相关方法整理
人脸识别损失函数梳理与分析(转载)人脸识别损失函数疏理与分析人脸识别中Softmax-based Loss的演化史人脸识别:损失函数总结转载 2020-10-12 15:38:52 · 233 阅读 · 0 评论 -
loss函数涉及的softmax 、cross encropy和softmaxwithloss
相关内容参考:https://blog.csdn.net/u014380165/article/details/772849211、softmax 函数:定义:假设我们有一个数组,V,Vi表示V中的第i个元素,那么这个元素的Softmax值就可以用以上公式表示。也就是说,是该元素的指数,与所有元素指数和的比值。(是不是很简单)知乎上有人用下图的方式解释了softmax函数:...原创 2017-07-01 15:58:52 · 6667 阅读 · 2 评论 -
关于目标检测ssd实现代码中permute layer和flatten layer的作用
SSD论文中并没有对这部分工程的实现进行描述,在查看网络结构和论文相关代码时,这两层疑问很大,下面是搜索和相关总结的结果:1、论文的作者wei liu 是这样回答的:2、通过作者的回答我画了下blob的草图,发现了其中的答案:原创 2017-07-29 10:23:52 · 5601 阅读 · 0 评论 -
目标检测任务中图片标注工具LabelImg等
目录(?)[-]前言Ubuntu源码安装Ubuntu pip安装Windows环境下安装安装Anaconda 420安装PyQt包下载源码并运行使用方法后续说明项目地址:LabelImg前言我们知道,图片标注主要是用来创建自己的数据集,方便进行深度学习训练。本篇博客将推荐一款十分好用的图片标注工具LabelImg,重点介绍其安装以及使用的过程。在转载 2017-08-13 10:56:00 · 12117 阅读 · 4 评论 -
关于python 在神经网络训练图像数据预处理时使用的transpose
这个源于本科同学一起讨论的问题。直接正文吧。先附上一个博主对该问题的总结:转置(transpose)和轴对换转置可以对数组进行重置,返回的是源数据的视图(不会进行任何复制操作)。转置有三种方式,transpose方法、T属性以及swapaxes方法。1 .T,适用于一、二维数组In [1]: import numpy as npIn原创 2018-01-12 16:09:32 · 2430 阅读 · 0 评论 -
视频目标检测中关于对检测出的目标进行”安全处理“问题
最近做视频的目标识别和追踪计数,编译连接均没有问题,但是在测试时出现了问题,只要标出的box与视频的边界接触就会出现程序崩溃,并提示出opencv的断言提示:OpenCV Error: Assertion failed (0 <= roi.x && 0 <= roi.width && roi.x + roi.width<= m.cols &...原创 2017-08-09 16:59:49 · 4180 阅读 · 1 评论 -
转载SSD论文阅读:SSD: Single Shot MultiBox Detector
这篇论文总结点开了对ssd的理解,写的很详细、很透彻。原文地址:http://blog.csdn.net/u010167269/article/details/52563573#t18Preface这是今年 ECCV 2016 的一篇文章,是 UNC Chapel Hill(北卡罗来纳大学教堂山分校) 的 Wei Liu 大神的新作,论文代码:https://github.com/weiliu89...转载 2017-07-25 16:34:22 · 476 阅读 · 0 评论 -
Hinge loss 与二分类SVM
原文地址:http://breezedeus.github.io/2015/07/12/breezedeus-svm-is-hingeloss-with-l2regularization.htmlSVM等于Hinge损失 + L2正则化这里说的SVM是指最原始的2分类SVM,不考虑SVM的其他各种扩展。为简单起见,我们也只考虑线性SVM,对于带核函数的SVM,利用相似的推导我们可以获得相同的结论:...转载 2018-04-18 20:50:45 · 2222 阅读 · 0 评论 -
各视觉任务评测指标解析
本人做了一些不同视觉任务,今天突然考虑到应当总结下不同评测指标。下面将以原创 2019-07-16 15:35:25 · 1021 阅读 · 0 评论