目标检测
文章平均质量分 83
目标检测学习记录
holmes_MX
这个作者很懒,什么都没留下…
展开
-
深度学习目标检测——faster R-CNN 原理理解(自己绘制流程图帮助理解)
0. 写作目的好记性不如烂笔头。1. 框架的理解faster R-CNN = RPN + fast R-CNN1.1 RPN的理解网络的组成: (这里只是给出一个网络的整体流程,可能与faster R-CNN论文的参数不同)注意: 上图可能与论文中的图不同,论文中的图是这样的。论文也给出了解释,理解上——对于每一个sliding window 通过3 * 3的卷积输出5...原创 2018-10-25 16:25:51 · 3017 阅读 · 0 评论 -
如何理解目标检测中的SSD
0. 写作目的好记性不如烂笔头。1. SSD1.1 网络的框架下面的第一个4表示的是4个default box(与faster R-CNN 和YOLO不同,这里是中心坐标加上宽高),其中: classifer是通过3 * 3 * (4 * (classes + 4))的卷积实现的,得到结果即是检测的结果,然后将不同feature map的检测结果放在一起。先过滤掉confi...原创 2018-10-19 20:43:52 · 490 阅读 · 0 评论 -
深度学习目标检测(一)——YOLOV2论文细节理解
0. 写作目的好记性不如烂笔头。说实话,YOLO的论文真心难明白,文献[2]中解释的很到位。1. Better与Fast R-CNN相比,YOLOv1 的错误分析显示:YOLOv1有较低的召回率和回归框的错误。因此YOLOv2目的在于保持分类精度的同时,提高召回率和回归框的精度。保持运行速度快的特点。YOLOv2没有通过放大YOLOv1的网络(基于GoogleNet)去提高精度,采...原创 2018-10-11 11:37:41 · 1541 阅读 · 0 评论 -
目标检测中如何计算AP和mAP以及绘制P-R曲线以及SSD中如何修改代码来输出AP和绘制P-R曲线
0. 写作目的好记性不如烂笔头。1. 计算AP(Average Precision)的理论知识对于每一类目标检测给出的置信度(Confidence),首先按照Confidence降序排列,然后将交并比(IOU)>0.5的当做正确预测的结果,否则为错误预测的结果。然后依据预测结果的正确与否计算TP(True Positive), FP(False Positive), FN(Fal...原创 2018-09-06 21:32:45 · 12792 阅读 · 4 评论 -
DSOD (Deeply Supervised Object Detector) 从零开始训练自己的数据------- 无ImageNet预训练权重
0. 写作目的 好记性不如烂笔头。环境说明: ubuntu14 + CUDA8.0 + CUDNN5.0 + GPU (k40)。4G的显卡对于训练和测试均不能运行(在GTX1050Ti上测试过)。 1. 下载安装DSOD 1) 首先安装SSD 由于DSOD是基于SSD修改的,因此需要先安装SSD。SSD原版是基于Caffe的,具体安装方式可以参...原创 2018-08-03 16:52:35 · 1549 阅读 · 13 评论 -
YOLOv3 训练自己的数据(解决网上提供的文章不能一次成功的问题)
0.写本博客的目的对于使用yolov3训练自己的数据,网上虽然文章多,但是经过实验发现,基本没有能一次运行的成功的。因此特写此文,记录自己在使用yolov3训练自己的数据时遇到的坑。环境:ubuntu14 + CUDA8.0 + cudnn5.0 + GTX1050Ti (4G)1. 制作数据 为了便于在多个目标检测框架(如Faster R-CNN,SSD等)中训练,...原创 2018-07-27 15:33:03 · 8101 阅读 · 13 评论