小萌新的炼丹之路—目标检测篇

最新推荐文章于 2024-11-08 23:11:26 发布
最新推荐文章于 2024-11-08 23:11:26 发布
阅读量146 收藏
点赞数
分类专栏： 深度学习 文章标签： opencv python 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fuyanping123/article/details/120641595
版权

炼丹之路—目标检测理论篇

  1. 常用的主干特征提取网络
  • 掌握ResNet的网络结构
  • 掌握VGG16的网络结构
  • 掌握GoogleNet的网络结构
  1. 目标检测中常用的bounding-box生成机制
  2. 了解faster-rcnn的基本原理和思想，了解faster-rcnn的网络结构，包括backbone，rpn，roi-pooling层
  3. 了解Yolo的基本原理和思想，包括cspdarknet，yolo-head
  4. 清楚yolo系列的目标检测模型和rcnn系列模型的基本区别，了解one- stage和Two- stage模型优点和缺点
  5. 掌握python中opencv的常用使用接口
fuyanping123
关注
专栏目录
目标检测炼丹经验总结
huangbo10的专栏
12-16 519
最近因为工作原因系统地摸了一下目标检测，也在生产环境部署了一波。公司的数据当然是不能放出来的，记录一些心得帮后来人少走弯路吧。 结论放在最前：在torchvision官方的预训练模型里，fasterrcnn/maskrcnn指标比fcos更高，但在本文进行的所有实验中fcos显著强于其他模型，目前达到的效果：考虑类别的mAP 0.535，不考虑类别0.636。 实验说明：以下结论依赖公司内部训练数据，测试结果套用COCO API取得，报告mAP为mAP50（即预测和groundtruth的IoU匹配阈值取0
Kaggle实战目标检测以及各种技巧合集。
weixin_33937913的博客
06-01 6279
本文来自52CV群友Spytensor参加Kaggle目标检测比赛的总结，作者是位数据竞赛爱好者，文章非常具有实战意义。欢迎收藏～背景国内的数据竞赛真的缺乏交流，还是喜欢 kaggle 的 kernel 和讨论区，真硬核！这里分享一下我总结的一些目标检测中会用到的 “奇淫技巧”，牵扯到代码的我就直接拿mmdetection[1] 来举例了，修改起来比较简单。1. 模型选择近...
目标检测-训练与测试
lzw刘仔很忙的博客
12-26 1470
目标检测网络的训练大致是如下的流程： 设置各种超参数 定义数据加载模块 dataloader 定义网络 model 定义损失函数 loss 定义优化器 optimizer 遍历训练数据，预测-计算loss-反向传播 首先，我们导入必要的库，然后设定各种超参数 后处理 目标框信息解码 之前我们的提到过，模型不是直接预测的目标框信息，而是预测的基于anchor的偏移，且经过了编码。因此后处理的第一步，就是对模型的回归头的输出进行解码，拿到真正意义上的目标框的预测结果。 后处理还需要做什么呢？
目标检测模型炼丹的完整训练步骤，遇到问题，解决方案 2021-09-02
dream_home8407的博客
09-02 685
目标检测模型炼丹的完整训练步骤，遇到问题，解决方案 训练模块，第一步数据清洗，第二步整理标注数据，第三步调整模型的参数，第四步开始训练，第五步测试交付 炼丹的第一步，处理基础药材，将药材的杂质去掉， 1，修改图片后缀， 2，将模糊，亮度等有质量问题的图片，通过脚本清除掉， 3，数据自己再看一眼，不需要自己提纯的药物也清楚掉，不属于自己训练数据，或者数据特征不明显的坚决清楚掉 4，处理药材，剥壳去皮剪枝，去点重复的和旋转的图片， 炼丹第二步，将药材进行标记分类，所有药材按照重量比例划分好， 1，去除标签和图
小萌新的炼丹之路—目标检测实战篇
fuyanping123的博客
10-07 119
炼丹之路—目标检测实战篇 实战篇 掌握数据集的基本格式（包括coco数据集和voc数据集的基本格式，了解xml格式数据集的基本信息） 使用pytorch调用faster-rcnn模型进行目标检测 训练pytorch的fater-rcnn模型并保存 使用darknet框架的yolo系列的模型进行目标检测 把xml格式的数据集转成yolo格式的数据集 训练自定义数据集的yolov4模型和yolov4-tiny模型 应用篇 训练人脸识别的模型，并进行人脸检测识别 训练robomaster官方的数据集，对ro
Faster RCNN详解
热门推荐
小白的深度学习的博客
05-13 19万+
paper：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 前言 faster rcnn是何凯明等大神在2015年提出目标检测算法，该算法在2015年的ILSVRV和COCO竞赛中获得多项第一。该算法在fast rcnn基础上提出了RPN候选框生成算法，使得目标检测速度大大提高。 R CN...
目标检测——Faster R-CNN（三）
散修炼丹师手记
06-02 700
简介 经过R-CNN和Fast R-CNN的积淀，Ross B. Girshick在2016年提出了新的Faster R-CNN，在结构上，Faster R-CNN已经将特征抽取(feature extraction)，proposal提取，bounding box regression(rect refine)，classification都整合在了一个网络中，使得综合性能有较大提高，在检测速度...
目标检测(一)
FH的博客
06-05 605
卷积神经网络结构发展历程，那些留下过名字的模型： LeNet ----> AlexNet ----> ZFNet —> VGGNet —> GoogleNet ---->ResNet ----> DenseNet 每个经典的模型都提出创意性的概念： 1、leNet :Gradient-Based Learning Applied to Documen...
目标检测学习[5]_训练与测试
牛博通的博客
12-27 469
目标检测学习 文章目录目标检测学习前言一、 训练与测试1.1 模型训练1.2 后处理1.2.1 目标框信息解码1.2.2 NMS非极大值抑制1.2.3 代码实现:1.3 单图预测推理1.4 VOC测试集评测1.4.1 介绍map指标1.4.2 Tiny-Detection VOC测试集评测总结 内容链接 前言 Pytorch是一个基于python的科学计算包，主要面向两部分受众： 一个为了充分发挥GPU能力而设计的Numpy的GPU版本替代方案 一个提供更大灵活性和速度的深度学习研究平台
图像分割1
zhanghongyi_cpp的博客
11-05 408
而高斯拉普拉斯算子在平滑图像的同时检测边缘，效果通常比拉普拉斯算子更好，尤其是在噪声较多的情况下。（2）LoG算子：拉普拉斯算子的改进，通常采用拉普拉斯-高斯算子（LoG）先进行图像滤波，抑制噪声， 然后对滤波图像计算二阶导数，以提高边界检测能力。根据当前阈值，通过某种规则估算一个更优的阈值，重复执行该过程，直到相邻两次的阈值差小于某个指定的参数，此时认为算法收敛，否则继续迭代。（2）阈值将图像灰度值分成2类，大于阈值的灰度值组成，小于阈值的灰度值组成，分别计算和的灰度均值和。计算量较大，速度较慢。
人工智能基础-opencv-图像处理篇
dgsiwbe的博客
11-01 1041
cv2.flip是 OpenCV 库中的一个函数，用于翻转图像。翻转可以是水平翻转、垂直翻转或同时水平和垂直翻转。这个函数接受两个参数：要翻转的图像和一个指定翻转类型的标志。要传入的参数有两个，一个是img：为要传入处理的图片翻转: -1:水平和垂直 1:水平翻转，0 垂直翻转。
OpenCV快速入门
qq_36070104的博客
11-08 919
Python OpenCV快速入门
opencv_相关的问题
9分钟带帽
11-08 123
Debug模型下运行，在命令行窗口会有一些error相关的log信息。通过调整log的等级，屏蔽掉INFO的log信息。
learnopencv系列二：U2-Net/IS-Net图像分割（背景减除）算法、使用背景减除实现视频转ppt应用
qq_56591814的博客
11-08 799
文章目录一、视频转幻灯片应用1.1 什么是背景减除？1.1.1 背景减除简介1.1.2 bgslibrary1.2 OpenCV背景减除技术1.3 差异哈希1.3.1 图像哈希技术1.3.2 dHash算法1.3.3 图像哈希的速度和准确性测试1.4 视频转幻灯片应用的工作流程1.5 项目代码1.5.1 环境准备1.5.2 辅助模块1.5.3 使用帧差分进行背景减除1.5.2 使用OpenCV对背景像素进行统计建模1.5.3 后处理1.5.4 命令行选项1.6 GMG和KNN背景估计的比较1.7 改进与总
Python OpenCV形态学处理和图像梯度
余生的博客
11-04 904
ddepth参数：一般在别的图像处理函数中，直接置为-1，表示处理成与原图像一样深度的图像，但是由于此函数处理过程中会出现负数，故与sobel算子一样，将它赋值为cv2.CV_64F。它需要两个输入，一个是我们的原始图像，第二个是决定操作性质的结构元素或内核。只有当内核下的所有像素都为 1 时，原始图像中的像素（1 或 0）才会被视为 1，否则会被侵蚀（变为零）。所以它会增加图像中的白色区域，或者增加前景对象的大小。五个参数分别表示：原图像1，原图像1的系数，原图像2，原图像2的系数，修正值。
清理 brew 安装的 opencv 的依赖
最新发布
baiyu33的博客
11-08 86
新版 protobuf 强行依赖 libabseil， 而新版 abseil 拆分为了大约90个库，这让 opencv 平白多了接近100个依赖库，真是电子垃圾。尝试了 brew edit opencv，但再次 brew install opencv 还是会下载 protobuf.vtk 和 qt 也是一样，我并不需要使用;看起来很 easy， 然而。
opencv保姆级讲解——光学学符识别(OCR)（4）
m0_74994555的博客
11-05 511
PaddleHub现已开源OCR文字识别的预训练模型移动端的超轻量模型：仅有8.6M，chinese_ocr_db_crnn_mobile。服务器端的精度更高模型：识别精度更高，chinese_ocr_db_crnn_server。该 Module 用于识别图片当中的汉字、数字、字母。如果仅需要检测，也可单独使用chinese_text_detection_db_server或者chinese_text_detection_db_mobile得到检测结果的文本框。
OpenCV视觉分析之目标跟踪(10)估计两个点集之间的刚性变换函数estimateRigidTransform的使用
jndingxin的专栏
11-05 707
estimateRigidTransform 是 OpenCV 中的一个函数，用于估计两个点集之间的刚性变换（即平移和旋转）。这个函数在计算机视觉中常用于图像配准、运动估计等任务。
基于OpenCV的相机捕捉视频进行人脸检测--米尔NXP i.MX93开发板
Jason_zhao_MR的博客
11-08 395
本篇测评由优秀测评者“eefocus_3914144”提供。本文将介绍基于米尔电子MYD-LMX93开发板（米尔基于NXP i.MX93开发板）的基于OpenCV的人脸检测方案测试。OpenCV提供了一个非常简单的接口，用于相机捕捉一个视频(我用的电脑内置摄像头)1、安装python3-opencv2、查看摄像头支持的格式与分辨率经测试，只能支持640*480为此建立opencv_test.py。
易盾增强版滑块识别/易盾识别/滑块识别/增强版滑块识别/易盾滑块本地识别
ASSS55254的博客
11-04 369
滑动条拖动距离传入 restrict 算法处理得到 初次值 J。J * 率值0.309375 得到滑块偏移量。所以滑块偏移量=滑块的旋转角度/attrs。滑块的旋转角度=滑块偏移量*attrs。通过滑块偏移量 求出 滑动条拖动距离。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值