![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 82
卖strawberry的小女孩
道阻且长,行则将至。
展开
-
YOLO学习笔记5——YOLOV3详解
YOLOV3 骨干网络darknet-53原创 2022-07-05 17:36:46 · 2043 阅读 · 1 评论 -
python 批量随机粘贴png图片,进行数据增强,并保存为jpg
将png图片粘贴到jpg图片上,针对某类数据做数据增强对所有png图片进行随机resize(范围为340~680,可自己手动修改)、随机顺时针、逆时针旋转0-30°支持批量粘贴png图片到大量图片上代码有详细注释生成的图片命名规则:主图_蒙层图_粘贴次数.jpg效果图如下,展示一张的效果:png图:被粘贴的图:粘贴后的效果:代码如下:from PIL import Imageimport randomimport osfrom tqdm import tqdmdef.原创 2022-06-06 14:03:40 · 1086 阅读 · 1 评论 -
YOLO学习笔记4——YOLOV2详解+论文解读
YOLOV2、YOLO9000论文连接:https://arxiv.org/abs/1612.08242YOLOv2主要是改进原有的YOLO算法,YOLO的缺点:对相互靠近的物体,以及很小的群体检测效果不好,这是因为一个网格只预测了2个框,并且都只属于同一类;对不常见的角度的目标泛化性能偏弱;定位不准确,尤其是大小物体的处理上,还有待加强;端对端网络在前期训练时非常困难,很难收敛;预训练的输入224x224,预测的输入448x448,模型需要适应图像分辨率的改变;YOLOv2的改进:原创 2022-03-31 17:11:12 · 4386 阅读 · 0 评论 -
YOLO学习笔记2——YOLOv1预测阶段
YOLOV1 预测阶段(前向传播):24层卷积层提取图像特征 + 2层全连接层回归 ——> 7x7x30的tensor输入:448x448x3(图片先缩放)输出:7x7x30的张量(包含所有预测框的坐标、置信度、类别结果)正方形image——>通过若干卷积层、池化层——>得到一个7x7x1024的feature map——>将该feature map拉平——>喂入4096维的全连接层——>输出4096维的向量——>将向量喂入1470个神经元的全连接层——&原创 2021-12-26 22:21:25 · 1692 阅读 · 6 评论 -
SSD-Pytorch,Darknet数据集转VOC训练、检测图片、全流程跑通
文章目录一、环境二、下载SSD-Pytorch git项目一、环境千辛万苦走通后,发现版本真的坑死人。我的版本:python3.6 + cuda 10.2 + pytorch1.7.1 + numpy1.15.1(建议:据说将pytorch的版本降低为1.2及以下的版本。但是我的cuda是10.2,目前不支持1.2及其以下的GPU版的pytorch,重安装太麻烦了,我就只能在后边解决问题了)二、下载SSD-Pytorch git项目...原创 2021-12-14 13:35:39 · 2347 阅读 · 0 评论