flyfish

PyTorch实现 MobileNetV3-SSD 用于目标检测flyfishMobileNetV3-SSD implementation in PyTorch下载地址：https://github.com/shaoshengsong/MobileNetV3-SSD使用MobileNetV3-SSD实现目标检测代码参考（严重参考以下代码）一 SSD部分https://github.......

目标检测中的坐标flyfish标注文件通常记录了目标的位置，大小，形状等关于位置和大小的表示方法第一种是Boundary coordinates第二种是归一化的Boundary coordinates第三种是Center-Size coordinates所以在编程中 需要读取数据集时，需要注意的目标是按何种坐标标注的以下为各类坐标之间的转换def xy_to_cxcy(x...

目标检测 SSDflyfishVOC数据集的类别个数VOC_CLASS = ['aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat', 'chair', 'cow', 'diningTable', 'dog', 'horse', 'motorbike...

全连接层是如何转到卷积层的？或者说如何将全连接层重新参数化为卷积层？flyfishfully connected layer 全连接层convolutional layer 卷积层看下面情景1，全连接层生成两个输出值一个拥有3个通道的大小2×2的图像被flatten为大小是12的一维向量。对于大小为2的输出，为了输出结果的大小是2,全连接层使用相同的两个向量，每个向量的大小为12...

MobileNetV1的深度可分离卷积（depthwise separable convolution）分为Depthwise convolution与Pointwise convolution层级结构是这样1、Depthwise convolution2、Pointwise convolution类似这样的结构(0): Conv2d(128, 128, kernel_size=(3...

介绍MMDetection是一个目标检测工具箱，其中包含了丰富的目标检测和实例分割方法以及相关组件和模块。此工具箱起源于MMDet团队的代码库，此团队曾获得detection track of COCO Challenge 2018的冠军。可与其他框架做比较的是Detectron2，maskrcnn-benchmark和SimpleDetMMDetection官网强烈推荐使用v2.0，以获得更快的速度、更高的性能、更好的设计和更友好的使用，支持PyTorch1.3到PyTorch1.5支持的框架（S

L2Norm模块处理conv4_3的特征输出conv4_3特征输出之前需要经过L2Norm模块conv4_3的特征和后面几层feature map的数值大小不匹配,归一化之后数值大小统计,取值范围相同,有利于模型收敛方式1import torchimport torch.nn as nnfrom torch.autograd import Functionfrom torch.aut...

看图前部分是VGG16，VGG16中的FC6和FC7改成了卷积层，后部分是SSD自定义的层，自定义的层叫Extra Feature Layders到detection的箭头一共有6个相当于从6层卷积层中get features.特征大小是38*38、19*19、10*10、5*5、3*3、1*1以下6层分别是38×38 Conv4_319×19Conv710×10Conv...