自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(5)
  • 收藏
  • 关注

原创 YOLOv5实现类激活图(Grad-CAM)

之前想画一下YOLOv5的类激活图,但是尝试了半天都没成功,偶然发现YOLOv5的issue中有人已经实现了支持画网络某一层的gram-cam,只是暂时好像还没有并入YOLOv5项目中,本文介绍一下使用方法。

2023-05-05 17:23:58 784

原创 样本分配策略之YOLOv5

目标检测的损失往往由三个部分组成:分类损失Lcls,置信度损失Lobj与边界框的iou损失Lbox。Lcls与Lbox仅由正样本产生,而Lobj则由所有样本产生。不同于DETR这种端到端的目标检测算法,YOLO会产生大量的预测框,每一个预测框称之为一个样本。那么对于产生的这些预测框,哪些应该作为正样本去与gt(ground truth)计算Lbox与Lcls,哪些又应该作为负样本仅仅贡献Lobj呢?这就取决于所定义的样本分配方法。

2023-03-28 16:58:48 1177

原创 MMdetection 环境配置、config文件解析以及训练自定义VOC数据集

MMDetection是针对目标检测任务推出的一个开源项目,它基于Pytorch实现了大量的目标检测算法,把数据集构建、模型搭建、训练策略等过程都封装成了一个个模块,通过模块调用的方式,我们能够以很少的代码量实现一个新算法,大大提高了代码复用率。本文根据我自己最近的使用经验,记录一下关于MMdetection的使用方法。

2023-03-13 20:47:23 3181 1

原创 单阶段目标检测:YOLOv5中的指标计算

本文以YOLOv5的val.py代码为例子,解析单阶段目标检测是怎么计算指标的。

2023-03-10 20:57:36 3045

原创 【文献阅读】MCNet+:Mutual Consistency Learning for Semi-supervised Medical Image Segmentation

MC-Net+模型的动机是观察到用有限注释训练的深度模型在医学图像分割的模糊区域(例如,粘连边缘或细分支)容易输出高度不确定和容易错误分类的预测。考虑到深度模型可以产生像素/体素级的不确定性的分割结果,本方法利用这种不确定性来有效地利用未标记数据,旨在进一步提高半监督医学图像分割的性能。

2023-03-06 10:14:48 2907 1

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

提示
确定要删除当前文章?
取消 删除