CNN
FlyingAnt_
这个作者很懒,什么都没留下…
展开
-
cnn
faster-Rcnn系列https://blog.csdn.net/u010901792/article/details/100041135mask-Rcnn解读https://blog.csdn.net/u010901792/article/details/100044200原创 2020-12-03 15:46:31 · 61 阅读 · 0 评论 -
CNN模型之MobileNet
本文转载自:https://zhuanlan.zhihu.com/p/31551004引言卷积神经网络(CNN)已经普遍应用在计算机视觉领域,并且已经取得了不错的效果。图1为近几年来CNN在ImageNet竞赛的表现,可以看到为了追求分类准确度,模型深度越来越深,模型复杂度也越来越高,如深度残差网络(ResNet)其层数已经多达152层...原创 2020-09-01 10:14:01 · 146 阅读 · 0 评论 -
Centernet论文理解
https://zhuanlan.zhihu.com/p/73516696https://baijiahao.baidu.com/s?id=1644905321397514137&wfr=spider&for=pc原创 2020-09-01 09:37:35 · 210 阅读 · 0 评论 -
CNN 小技巧转载:GIoU Loss
背景前面介绍了很多Anchor-Based的目标检测算法,它们的Loss普遍使用bbox和ground truth bbox的L1范数,L2范数来计算位置回归Loss。但在评测的时候却使用IOU(交并比)去判断是否检测到目标。显然这两者并不是完全等价的,论文中举了Figure 1作为例子:图中第一行,所有目标的L1 Loss都一样,但是第三个的IOU显然是要大于第一个,并且第3个的检测结果似乎也是好于第一个的。第二行类似,所有目标的L1 Loss也都一样,但IOU却存在差异。因此使用bbox和grou转载 2020-08-28 16:08:31 · 531 阅读 · 0 评论 -
CNN 小技巧转载:NMS与soft NMS
转自:https://zhuanlan.zhihu.com/p/42018282一 NMSNMS算法的大致思想:对于有重叠的候选框:若大于规定阈值(某一提前设定的置信度)则删除,低于阈值的保留。对于无重叠的候选框:都保留。所谓非极大值抑制:先假设有6个输出的矩形框(即proposal_clip_box),根据分类器类别分类概率做排序,从小到大分别属于车辆的概率(scores)分别为A、B、C、D、E、F。(1)从最大概率矩形框F开始,分别判断A~E与F的重叠度IOU是否大于某个设定的阈值;(2转载 2020-08-28 16:01:09 · 148 阅读 · 0 评论 -
CornerNet
论文链接: https://arxiv.org/abs/1808.01244论文笔记:https://www.cnblogs.com/gawain-ma/p/10868852.html论文代码: https://github.com/princeton-vl/CornerNet原创 2020-08-19 19:14:37 · 89 阅读 · 0 评论 -
CenterNet环境配置(Win7+Pytorch1.0.1+Cuda8+VScode)
原链接https://blog.csdn.net/sinat_29634715/article/details/102609876一、Anaconda虚拟环境1、python环境conda create -n CenterNet python=3.6conda activate CenterNet2、其他Python库git clone https://github.com/xingyizhou/CenterNet.gitcd CenterNetpip install -r requi.原创 2020-08-19 18:32:38 · 229 阅读 · 0 评论 -
FPN(feature pyramid networks)算法讲解
这篇论文是CVPR2017年的文章,采用特征金字塔做目标检测,有许多亮点,特来分享。论文:feature pyramid netwo...转载 2020-03-09 22:38:41 · 197 阅读 · 0 评论 -
转载:yolov3损失函数公式笔记,绝对良心(能和darknet源码对应)
有句话说“把知识讲的农妇都能听懂,那才是真的懂了”本人小白,毕设正在做基于yolov3的目标检测系统研究,在网上找了一万遍,基本没有...转载 2020-02-24 09:00:34 · 795 阅读 · 0 评论