- 博客(12)
- 收藏
- 关注
RSS订阅原创 YOLOv5改进（CoordConv）
2.将CoordConv加到models/yolo.py的parse_model中。（1）将下面代码放到models/commen.py中。2.改进策略，在原有卷积上增加了i、j坐标。3.构建yaml文件。
2023-06-11 10:25:33
991
1
原创 YOLOV5改进（Soft-NMS（多种IOU））
在这个后面可以加CIOU/DIOU/SIOU/GIOU/EIOU=True,不加的话就默认是IOU。（1）将以下代码复制到utils/general.py中。2.在训练时用general里面的这个。在验证时把上面的注释掉，用这个。
2023-06-10 21:31:19
1219
原创 YOLOv5改进（SAConv，SAC）
3.在models/yolo.py的parse_model中添加C3_SAC。（2）更换yaml配置文件（也可以建一个新的配置文件）（1）将代码添加到models/commen.py中。
2023-06-10 21:09:56
1031
1
原创 YOLOv5改进（CONTEXT AUGMENTATION MODULE，CAM）
方法（a）是加权融合，方法（b）是自适应融合 ，即假设输入的大小可以表示为（bs，C，H，W），可以通过执行卷积运算来获得（bs，3，H，W）的空间自适应权重连接和Softmax。三个通道与三个输入一一对应，通过计算加权和，可以将上下文信息聚合到输出，方法（c）是做concatenation，例：a = np.array([[1,2],[3,4]]),b =np.arrat([[5,6]]),c=np.concatenate((a,b)),c=array([1,2],[3,4],[5,6]).
2023-06-10 21:00:29
1600
3
原创 YOLOv5改进（辅助训练头）
2.在train.py中的loss替换为ComputeLossAuxOTA（注意也要导入）1.在utils/loss.py中添加了ComputeLossAuxOTA。3.修改yaml文件。
2023-06-09 11:13:59
885
2
原创 Github的高级搜索
4.2 根据仓库创建或最后上传时间。项目介绍文档里含有XXX。（3）按照地区和语言。（4）根据仓库进行筛选。size:>= 数字。（5）根据个人或组织。
2023-06-07 12:36:40
154
1
原创 YOLOV5改进（DCN）
（False,True,True,True）可以看出其对DCN的使用和PP-YOLO类似就是后面三个卷积替换成DCN。（3）更换.yaml中backbone的C3。（四个block替换后三个block）（2）在models/yolo.py中的解析模型中增加C3_DCN。（1）将下方代码复制到models/commen.py中。（2）Cascade-RCNN中对DCN的使用。（1）PP-YOLO使用DCN的方法。可以看出只是将最后一层卷积换成DCN。（3）为什么要使用可变形卷积。
2023-06-07 11:00:50
888
2
原创 TP FP TN FN
1.True False:主观可以判断其预测对了还是错了，比如真实是狗，预测的都是猫，那就全预测错了，那么精度也自然为0.2.Positive,Negative：预测的结果为真还是假，这个要看阈值，是计算机的客观评价。3.所有P,R描点连线，但要选取某小段内的最大值求多个矩形框的面积，及mAP。
2023-05-27 10:26:54
46
1
原创 YOLOv1(You Only Look Once: Unified, Real-Time Object Detection)论文阅读
（一些数学概念如下图所示，截的知乎大佬的图）步骤：（1）对confidence进行排序（2）从最高分开始，若发现当前预测与之前预测class相同且IOU>0.5则保留之前预测跳过当前预测。8.激活函数：对输入增加非线性因素，输出变成非线性函数，让神经网络有可能学习到平滑的曲线来分割平面，而不是用复杂的线性函数去无限逼近平滑曲线去分割平面，能够更好地拟合目标函数。就是不让模拟出的函数过于复杂，以尽量低次幂的函数表示图形，这样就不会面面俱到，即函数不会穿过每一个点，但是会穿过大部分点，可以表示一个函数的趋势。
2023-05-23 18:10:56
38
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