![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
多动的老鼠
这个作者很懒,什么都没留下…
展开
-
目标检测常用的损失函数
L1损失(均方误差MSE) 优点:各点都连续光滑,方便求导,具有较为稳定的解 缺点:不是特别的稳健,因为当函数的输入值距离中心值较远的时候,使用梯度下降法求解的时候梯度很大,可能导致梯度爆炸。 L2损失(平均绝对误差MAE) 表示了预测值的平均误差幅度,而不需要考虑误差的方向 优点:无论对于什么样的输入值,都有着稳定的梯度,不会导致梯度爆炸问题,具有较为稳健性的解。 缺点:在中心点是折点,不能求导,不方便求解。 smooth L1损失函数 当|x-y|<1的时候,求导后的导数为(x-y),原创 2020-12-07 17:20:29 · 1337 阅读 · 0 评论 -
faster_rcnn自己的理解
主干抽取网络可以是resnet50,vgg之类的都可以,得到1,1024,38,38的特征A RPN过程: 特征A会先进行一个简单的减少通道的卷积:1,1024,38,38 -> 1,512,38,38 得到特征B 特征B回归坐标点:1,512,38,38 -> 1,9* 4,38,38 9是一个格子anchor框的数量,4是4个坐标点,转化过程是卷积 特征B回归分类:1,512,38,38-> 1,9*2,38,38 2的意思是是否存在物体 将上面2个reshape成我们需要的样子: .原创 2020-12-05 16:35:04 · 215 阅读 · 0 评论 -
nanodet_ncnn_vs2019环境搭配
我的环境准备: VS2019 opencv3.4.12 protobuf-3.4.0 ncnn ncnn_window安装: Build for Windows x64 using VS2017 因为我只用cpu不用GPU,所以在ncnn编译的时候,输入参数需要重新改变 cmake -G"NMake Makefiles" -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=%cd%/install -DProtobuf_INCLUDE_DIR=<pr原创 2020-11-26 16:46:27 · 960 阅读 · 1 评论 -
ncnn测试nanodet环境搭建
ncnn测试nanodet环境搭建 我的环境:win7+VS2019+cmake 按照demo:https://github.com/RangiLyu/nanodet/tree/main/demo_ncnn 1.安装Vulkan。 我直接选了最新版,然后傻瓜式直接下一步下一步。完成之后重启一下。Vulkan就会直接的自动添加到环境目录中了。 2.安装ncnn 打开类似命令行输入器: Start the command prompt: Start → Programs → Visual Studio 2017原创 2020-11-26 14:30:02 · 1728 阅读 · 2 评论