- 博客(14)
- 收藏
- 关注
RSS订阅原创 voc2007转yolo格式
官方链接 http://host.robots.ox.ac.uk/pascal/VOC/点击2007，页面向下滑，同时下载训练集和测试集解压后手动合并到同一文件夹。
2024-11-22 21:35:34
383
原创 安装labeling：‘labelimg’不是内部或外部命令，也不是可运行的程序 或批处理文件
问题：‘labelimg’不是内部或外部命令，也不是可运行的程序 或批处理文件。
2024-10-16 15:53:43
232
原创 yolov5 损失函数
0.5 * eps 这是负类标签的平滑值。给予负类标签一个小的概率，旨在避免模型对负样本的过于自信，从而提高泛化能力。用于生成平滑的二元交叉熵损失（Binary Cross-Entropy）。函数接收一个参数 eps，并返回两个值。1.0 - 0.5 * eps 这是正类标签的平滑值。通过减少标签的绝对值，减少模型对样本的过拟合。
2024-09-22 10:41:40
420
原创 Yolov5主要代码
数据增强（可选）：如果提供了自定义的转换函数，可以应用数据增强技术，如随机裁剪、翻转等，增强训练数据的多样性。维度变换：将图像维度从 HWC（高度、宽度、通道）转换为 CHW（通道、高度、宽度），并确保数据的连续性。缩放与填充：使用 letterbox 函数将图像调整到指定尺寸，同时保持原始宽高比，并用填充填补边界。颜色通道转换：将图像从 BGR 格式转换为 RGB 格式，以适应模型的输入要求。归一化：将像素值缩放到 [0, 1] 范围，通常通过除以 255 实现。
2024-09-18 16:56:13
553
原创 yolov5 各模块代码详解
用于计算卷积操作中的填充（padding），以确保输出的形状和输入形状相同*d代表膨胀因子（dilation）用于控制卷积核在输入数据上的间隔，增加卷积的感受野而不实际增加卷积核尺寸公式：k=d（k-1）+1 *
2024-09-10 22:52:50
1906
原创 yolov5
选择warmup预热学习率的方式，可以使得开始训练的几个epoches或者一些steps内学习率较小，在预热的小学习率下，模型可以慢慢趋于稳定，等模型相对稳定后在选择预先设置的学习率进行训练，使得模型收敛速度更快，模型效果更佳。Anchor给出了目标宽高的初始值，需要回归的是真实宽高和初始宽高的偏移量，而不使用anchor的做法需要回归宽高的绝对量。刚开始训练，模型的权重（weights）随机初始化，此时选择较大的lr，可能带来模型的不稳定（震荡）对每个批次，按照公式进行学习率的衰减。
2024-09-09 19:20:29
1468
原创 yolov5 遗传算法
evolve.txt会记录每次进化之后的results+hyp，每次进化时，hyp会根据之前的results进行从大到小的排序，再根据fitness函数计算之前每次进化得到的hyp的权重；训练结束后，如果是多卡训练（WORLD_SIZE>1）,并且当前进程是主进程（RANK==0），则销毁分布式的进程组。opt.evolve为False，调用train()函数进行标准训练。如果opt.evolve为True，则进行超参数进化训练。用于训练机器学习模型，涉及两种模式：标准训练和超参数训练。
2024-09-07 22:08:50
554
原创 李沐动手学深度学笔记
anchors_bbox_map：通过调用assign_anchor_to_bbox函数，将锚框分配到真实边界框上，返回一个映射，表示每个锚框与真实边界框的关系。#初始化，batch_size图像数量，anchors：移除第一维，得到形状（num_anchors,4）的张量。给定两个锚框或边界框的列表，以下。#输入锚框和标签（真实边界框），输出额的使锚框的偏移量，掩码，类别标签。锚框A的偏移量根据B和A的中心坐标的相对位置及这两个框的相对大小进行标记。锚框A，真实边框B，锚框A的类别被标记为与B相同。
2024-09-03 10:21:26
1566
原创 Kaggle:房价预测报错：数据类型转换报错
解决：加一行all_features=all_features*1,实现将True和False转化为1和0。原因：热编码的时候把0和1编码成了True和False。
2024-07-10 13:50:52
262
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人