学无止境、积少成多、厚积薄发

1、东北大学带钢表面缺陷数据集数据集收集了夹杂、划痕、压入氧化皮、裂纹、麻点和斑块6种缺陷，每种缺陷300张，图像尺寸为200×200。数据集包括分类和目标检测两部分，不过目标检测的标注中有少量错误，需要注意。2、Severstal 带钢缺陷数据集该数据集中提供了四种类型的带钢表面缺陷。训练集共有12568张，测试集5506张。图像尺寸为1600×256。3、UCI 带钢缺陷数据集该数据集包含了7种带钢缺陷类型。这个数据集不是图像数据，而是带钢缺陷的28种特征数据，可用于机器学习项目。钢板故障

https://zhuanlan.zhihu.com/p/107436354深度学习实现缺陷检测算法汇总

https://zhuanlan.zhihu.com/p/354060133https://mp.weixin.qq.com/s/-AOXSFityGqBEn-OW3EYkg

提示信息：原因：图片被直接修改后缀导致的解决：# -*- coding: utf-8 -*-"""Created on Fri Jan 7 11:14:41 2022@author: 机器不学习我学习"""import osfrom tqdm import tqdmfrom PIL import Imagedir_origin_path = "VOCdevkit/VOC2007/JPEGImages"dir_save_path = "VOCdevkit/VOC200

注意：默认的是RGB彩色图，如果是L空间的，需要先转换image.convert(“RGB”)detect.pyfrom torchvision import transformsimport torchfrom PIL import Image,ImageDrawfrom models import yolofrom utils.general import non_max_suppressionfrom models.experimental import attempt_load#

前段时间在项目实践过程中遇到xmin,ymin,width,height 和 xmin,ymin,xmax,ymax相互转换的问题，请看https://blog.csdn.net/AugustMe/article/details/1166433841 最近又遇到一个新问题：已知top, left, bottom, right 求 xmin,ymin,xmax,ymax2 解决方案xmin = leftymin = topxmax = rightymax = bottom其中(xmin , y

进入AIstudio，申请GPU资源打开终端：查看Cuda版本：nvcc -V配置环境：# CUDA10.1python -m pip install paddlepaddle-gpu==2.0.2 -f https://mirror.baidu.com/pypi/simple训练# 单卡export CUDA_VISIBLE_DEVICES=0python tools/train.py -c configs/faster_rcnn/faster_rcnn_r50_fpn_1x_co

1、xmin,ymin,width,height 转为 xmin,ymin,xmax,ymax前2个坐标不需要动，只需要动后2个，规则如下：xmax= xmin+width-1ymax= ymin+height-1[xmin, ymin, xmin+width-1, ymin+height-1]2、xmin,ymin,xmax,ymax 转为 x,y,width,height前2个坐标不需要动，只需要动后2个，规则如下：width = xmax-xmin+1height = ymax

原版代码：https://github.com/ultralytics/yolov5衍生版代码：https://github.com/wudashuo/yolov5https://github.com/DataXujing/YOLO-v5

参考https://blog.csdn.net/yukai08008/article/details/108256554

参考：https://zhuanlan.zhihu.com/p/255256266https://github.com/DLLXW/objectDetectionDatasets

参考https://blog.csdn.net/weixin_38632246/article/details/90710139https://blog.csdn.net/weixin_44604887/article/details/113183863https://zhuanlan.zhihu.com/p/69202978

https://zhuanlan.zhihu.com/p/63214411http://www.itheima.com/news/20200916/171358.html

YOLOv4实战尝鲜 — 教你从零开始训练自己的数据集（安全头盔佩戴识别检测）https://blog.csdn.net/c2250645962/article/details/106064832

一、前言1. 滑动窗口检测器1.1 滑动窗口介绍一种用于目标检测的暴力方法：从左到右，从上到下滑动窗口（窗口大小、滑动步长预先设定），利用分类识别目标。得到窗口内的图片送入分类器，但是很多分类器只取固定大小的图像，所以这些图像需要经过一定的变形转换。但是，这不影响分类的准确率，因为分类器是可以处理变形后的图像。将图像变形（warped）转换成固定大小:变形图像块被输入CNN分类器中，提取4096个特征，使用SVM分类器识别类别和该边界框的另一个线性回归器下面是伪代码，我们创建很多窗口来检测

RPN全称是Region Proposal Network，Region Proposal的中文意思是“区域选取”，也就是“提取候选框”的意思，所以R...

https://zhuanlan.zhihu.com/p/151914931https://zhuanlan.zhihu.com/p/89426063学不完的技术。。。害

写的很棒的博客http://spytensor.com/index.php/archives/53/我爱计算机视觉公众号也转载了这篇博客我爱计算机视觉公众号开设的目标检测专栏文章

https://zhuanlan.zhihu.com/p/89200261

非极大值抑制（Non-Maximum Suppression，NMS）的思想是搜索局部极大值，抑制非极大值元素。经典NMS最初第一次应用到目标检测中是在R-CNN算法中，其实现严格按照搜索局部极大值，抑制非极大值元素的思想来实现的，具体的实现步骤如下：# -*- coding: utf-8 -*-"""Created on Fri Sep 4 15:35:06 2020@author: zqq"""import numpy as np boxes=np.array([[100,1

论文翻译：https://zhuanlan.zhihu.com/p/35953382

论文翻译：https://zhuanlan.zhihu.com/p/83218931YOLO v3论文翻译

https://shartoo.github.io/2017/01/13/RCNN-series/https://zhuanlan.zhihu.com/p/23203899

论文翻译：https://www.cnblogs.com/wj-1314/p/13331182.html

介绍https://blog.csdn.net/qq_41185868/article/details/82939959下载总有一个是你需要的：https://www.floydhub.com/walter1218/datasets/mscoco/1https://www.jianshu.com/p/758eb5aef744https://blog.csdn.net/weixin_43599336/article/details/87801040https://blog.csdn.ne.

一、为什么需要SPP卷积神经网络（CNN）是由卷积层和全连接层组成，其中卷积层对于输入数据的大小并没有要求，唯一对数据大小有要求的则是第一个全连接层，因此基本上所有的CNN都要求输入数据固定大小，例如著名的VGG模型则要求输入数据大小是（224*224）固定输入数据大小有两个问题：很多场景所得到数据并不是固定大小的，例如街景文字基本上其宽高比是不固定的，如下图所示红色框出的文字。可能你会说可以对图片进行切割，但是切割的话很可能会丢失重要信息。综上，SPP的提出就是为了解决CNN输入图像大小必

摘抄自：https://www.cnblogs.com/kongweisi/p/11151791.html仅用来学习，侵权立删。

写的很好的一篇博文：深入理解YOLO v1

前言：在Fast R-CNN还存在着瓶颈问题：Selective Search（选择性搜索）。要找出所有的候选框，这个也非常耗时。那我们有没有一个更加高效的方法来求出这些候选框呢？1. Faster R-CNN在Faster R-CNN中加入一个提取边缘的神经网络，也就说找候选框的工作也交给神经网络来做了。这样，目标检测的四个基本步骤（候选区域生成，特征提取，分类，位置精修）终于被统一到一个深度网络框架之内。Faster R-CNN可以简单地看成是区域生成网络+Fast R-CNN的模型，用区域生

引言：SPPNet的性能已经得到很大的改善，但是由于网络之间不统一训练，造成很大的麻烦，所以接下来的Fast R-CNN就是为了解决这样的问题。1. Fast R-CNN改进的地方：提出一个RoI pooling(region of interest即候选区)，然后整合整个模型，把CNN、SPP变换层、分类器、bbox回归几个模块一起训练。步骤首先将整个图片输入到一个基础卷积网络，得到整张图的feature map将region proposal（RoI）映射到feature map中R

引言：前面介绍的R-CNN的速度慢在哪里？答：每个候选区都要进行卷积操作提取特征。因此，SPPNet孕育而生。1. SPPNetSPPNet提出了SPP层，主要改进了以下两个方面：减少卷积计算防止图片内容变形图中第一行代表R-CNN的检测过程，第二行是SPPNet的。输入进R-CNN卷积层的图像必须固定大小，因此要进过crop/warp，这会使原图片变形。而SPPNet直接将原图片输入CNN中，获其特征，使得原图片内容得以保真。R-CNNSPPNet1、R-CNN是

前言：对于一张图片中多个目标，多个类别的时候。输出结果是不定的，有可能是以下有四个类别输出这种情况，或者N个结果，这样的话，网络模型输出结构不定。所以需要一些其他的方法解决目标检测（多个目标）的问题，试图将一个检测问题简化成分类问题1. 目标检测：Overfeat模型1.1 滑动窗口目标检测的暴力方法是从左到右、从上到下滑动窗口，利用分类识别目标。为了在不同观察距离处检测不同的目标类型，我们使用不同大小和宽高比的窗口。如下图所示：这样就变成每张子图片输出类别以及位置，变成分类问题。但是滑动

1. 什么是目标检测目标检测的定义：识别图片或者视频中有哪些物体以及物体的位置（坐标位置）什么是物体（物体的定义）：图像（或者视频）中存在的对象，但是能检测哪些物体会受到人为设定限制。目标检测中能检测出来的物体取决于当前任务（数据集）需要检测的物体有哪些。假设我们的目标检测模型定位是检测动物（例如，牛、羊、猪、狗、猫五种），那么模型对任何一张图片输出结果不会输出鸭子、鹅、人等其他类型结果。什么是位置（位置的定义）：目标检测的位置信息一般有2种格式（以图片左上角为原点（0,0））：极坐标表

1.下载地址http://host.robots.ox.ac.uk/pascal/VOC/voc2007/2.介绍下载、解压：VOC数据集共包含：训练集（5011幅），测试集（4952幅），共计9963幅图，共包含20个种类。Annotations: 存放 xml 文件，目标真值区域JPEGImages:9963张图片 .jpgImageSets：数据集划分文件，类别标签SegmentationClass和SegmentationObject文件夹对于目标检测来说用不到。...