目标检测
jmucvm
这个作者很懒,什么都没留下…
展开
-
目标检测 | Detectron2 中Boxes 详解
简介Boxes 是Detectron2 中用来处理检测框的基础类,功能强大, 包括clip、scale、cat 等等操作。代码解析初始化类,可以看出成员变量tensor是一个二维tensor,保存N个框(x0, y0, x1, y1), 第二维度为4, 可以存放anchor或groun truth.class Boxes: """ This structure st...原创 2020-03-10 22:41:24 · 4344 阅读 · 0 评论 -
RCNN系类——RoI pooling layer
RoI pooling layer一、简介RoI pooling layer是Fast RCNN中一个层,也应用于Fater RCNN,可以让region of interest(ROI)区域特征转化为固定大小的feature map(变为 W×HW \times HW×H),方便后面cls softmax,bbox regressor训练。二、 算法流程——————————————...原创 2019-02-22 11:33:23 · 360 阅读 · 0 评论 -
RCNN系列——Faster RCNN anchor生成解析
RCNN系列——Faster RCNN anchor生成解析一、简介Faster RCNN里的anchor 是一个矩形框,用于box regressor, 可以减少网络计算量, 把anchor 数目定义为kkk,featur map每个点只预测kkk个box,然后与anchor计算偏差,回归更加精准的框位置。假设feature map 尺寸为W×HW \times HW×H,输出anchor...原创 2019-02-22 14:43:02 · 4757 阅读 · 0 评论 -
目标检测|安装 mmdetection
github:https://github.com/open-mmlab/mmdetectionpaper:https://arxiv.org/abs/1906.07155一、简介mmdetetion是香港中文大学 MMLab实验室开源的目标检测框架, 是一款基于pytorch 深度学习框架搭建的目标检测库,包含很多主流的算法,包括anchor、anchor-free, one-sta...原创 2019-09-10 15:27:52 · 6569 阅读 · 6 评论 -
目标检测|制作MS COCO json格式的数据集
简介MS COCO 是google 开源的大型数据集, 分为目标检测、分割、关键点检测三大任务, 数据集主要由图片和json 标签文件组成。 coco数据集由自带COCO API,方便对json文件进行信息读取。本博客介绍是目标检测数据集格式的制作。步骤对现有数据标签文件转化为json格式, json文件主要用字典形式存取, coco原数据集包括:info、licenses、image...原创 2019-09-18 20:30:10 · 6342 阅读 · 0 评论 -
目标检测|CornerNet 数据预处理ground truth heatmaps
简介CornerNet 是最经典的Anchor-free方法,本博客主要介绍数据预处理中最核心步骤: ground truth heatmaps。方法如上图所示, 有三种颜色的图形, 红色框代表ground truth, 绿色框的角点在橙色圆圈里面, gound truth heatmap就是通过高斯分布函数生成, 以ground thuth 的两个角点为中心,半径为rrr, 利用高...原创 2019-09-18 21:08:40 · 1546 阅读 · 1 评论 -
目标检测 | Receptive Field Block Net for Accurate and Fast Object Detection
Paper:https://eccv2018.org/openaccess/content_ECCV_2018/papers/Songtao_Liu_Receptive_Field_Block_ECCV_2018_paper.pdfGitHub: https://github.com/ruinmessi/RFBNet简介RFB Net主要用于目标检测,模型参数少。文中提出了RF bl...原创 2019-09-24 20:22:01 · 1527 阅读 · 0 评论