结合paper 详细解读yolact源码（eval）

已于 2022-12-09 16:58:41 修改
阅读量1.5k 收藏 7
点赞数 2
分类专栏： 源码解读2 文章标签： 人工智能 深度学习
于 2022-11-30 14:22:22 首次发布
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/level_code/article/details/128037344
版权

本文结合paper，根据源码详细解读yolact模型细节，
涉及到backbone, FPN, prediction heads, protonet各模块细节，fast-nms细节, bounding box坐标形式，代码详细注释。
并用图片完整地走一遍流程。
全文2万+字，需要一点耐心。
paper链接
github链接

先看下模型的结构吧。

net = Yolact()

先介绍各个模块。

首先是backbone.

self.backbone = construct_backbone(cfg.backbone) #'name': 'yolact_base'

让我们瞅一眼具体是什么backbone

了解本专栏 订阅专栏 解锁全文 超级会员免费看
蓝羽飞鸟
关注
  • 2
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论
专栏目录
订阅专栏
【YOLACT】代码解读一
01-06
【YOLACT】代码解读一代码运行验证处理图片训练代码解读网络架构 代码运行 根据github所给指导一步一步进行，如果曾经下载好coco数据集，在data/config.py108行以下修改数据集的目录，并且在run_coco_eval.py16行修改验证集annotation文件的路径。 验证 有以下三种评估方式： first python eval.py --trained_model=weights/yolact_base_54_800000.pth 以上命令不使用coco数据集自带的模型评估COCOEval，而是使用自己定义的评估函数。 second python eval.py
Yolact源码解析
Ken的博客
09-29 3036
eval.py文件 数据加载 with timer.env('Load Data'): # img:(550, 550, 3) # gt:(3, 5)，3是3个物体，5是中心点，宽高，类别 # gt_mask: (3, 1080, 1920),1080*1920是加载的原图大小 # h, w:1080, 1920 # num_crowd:0 img, gt, gt_masks, h, w, num_crowd = dataset.pull_item(image_idx) # pull_it
yolact实例分割算法源码运行教程
weixin_41851439的博客
10-21 6804
前言： 此次环境搭建使用的硬件平台是一台微星笔记本，运行速度足够学习使用。本文介绍环境搭建及代码运行演示，coco格式数据集的制作及训练会在下篇博客介绍。 yolact论文链接：https://arxiv.org/abs/1904.02689 yolact论文翻译：https://www.jianshu.com/p/01f6432de5c4 项目地址：https://github.c...
yolact代码运行（包括出现问题和解决办法）
TracyGC的博客
11-16 163
这个问题是由于json.dumps()函数引起的。dumps是将dict数据转化为str数据，但是dict数据中包含byte、int、float、datetime等等的时候，数据所以会报错。由于注释文件中的Class的ID是从1开始，并按class_names顺序依次增加。而我们的注释文件（类似COCO格式）不是这样，是从0开始，所以需要参见在。然后在utils/logger.py里在调用json.dump/dumps时，指定使用自定义序列化方法。，把0，1，2，3依次对应1，2，3，4。
【无标题】yolact实例分割实战（含训练自己的数据集）[转载]
Wanda && Aidem
03-23 314
YOLACT训练自己数据
YOLACT 实时实例分割第一枪
weixin_45824067的博客
05-09 645
我一开始的时候是接触目标检测，比如yolov5。然后学习到yolov，其整合了实例分割，在 C++ 部署的时候，看不懂实例分割的后处理，所以才在网上找到这篇优秀的总结。
【无标题】yolact实例分割实战（含训练自己的数据集）
Wanda && Aidem
03-23 417
yolact训练自己的数据
Javascript中eval函数的详细用法与说明
10-30
Javascript 中 eval 函数的详细用法与说明 eval 函数是 JavaScript 中一个非常强大且灵活的函数，它可以将一个字符串当作一个 JavaScript 表达式一样去执行它。以下是 eval 函数的详细用法和说明： eval 函数的...
EVAL加密解密在线工具源代码
03-18
EVAL加密解密在线工具说明 1、本工具可以帮助我们为自己的网站JS及其他代码加密解密隐藏代码； 2、能够快速破解网站EVAL加密的脚本 3、可以辅助在自己的网站/博客作为一个款在线工具，方便自己以及方便其他需要的...
ASP源码—EVAL加密解密在线工具 v1.0.zip
10-14
ASP源码—EVAL加密解密在线工具 v1.0.zip
yolact-gui
02-11
YOLACT-GUI 的GUI应用程序。 单击查看原始项目 安装（检查以获取更多详细信息） 克隆此仓库并输入 git clone https://github.com/jiancong0204/yolact-gui cd yolact-gui mkdir -p data/coco/images # Stores image dataset mkdir -p data/coco/annotations # Stores data annotations mkdir weights # Stores trained model 使用anaconda设置环境 # Create a new environment and activate it conda create -n youlact python=3.7 conda acti
Yolact_minimal:YOLACT的最小PyTorch实现
05-14
Yolact_minimal Yolact的最小PyTorch实现 。 原始项目在。 此实现简化了原始代码，保留了主要功能并使网络易于理解。 此实现尚未更新为Yolact ++。 以双绞变压器为骨干的新版本已经在市场上。 TensorRT加速度也已经存在。 这两个分支即将合并。 请检查 网络结构。 环境环境 PyTorch> = 1.1 Python> = 3.6 n 对于CUDA 10.2，onnxruntime-gpu == 1.6.0 tensooardX 其他常见的软件包。 准备 构建cython-nms python setup.py build_ext --inplace 下载COCO 2017数据集，在config.py 'res101_coco'中修改self.data_root 。 下载权重。 Yolact训练的重量。 骨干 盒图 面膜MAP Google云
Python-YOLACT一种用于实时实例分割的简单完全卷积模型
08-10
YOLACT 一种用于实时实例分割的简单，完全卷积模型
yolact_person.rar
01-13
基于yolact的重新训练模型, 可用于人体检测. 详细说明见博客 https://blog.csdn.net/Augurlee/article/details/103574125
win10下调用OpenCV-Python和YOLACT模型进行实时检测
12-17
通过opencv-python调用摄像头, 传入YOLACT模型进行实时在线的目标检测和MASK标记. 详见博客 https://blog.csdn.net/Augurlee/article/details/103574125
使用NLG-Eval需要依赖的数据包
11-01
下面将详细介绍NLG_Eval以及其依赖的数据包，以及它们在NLG任务中的作用。 NLG_Eval是一个Python库，主要功能是提供一系列评估指标，用于比较模型生成的文本与人类编写的标准参考文本。这些指标包括BLEU、ROUGE、...
yolact实例分割实战（含训练自己的数据集）
qq_34225469的博客
05-04 9542
前言 实例分割可以分为两类，一类为two-stage方法，即先检测后分割；另一类为one-stage方法，将检测与分割作为并行任务同时进行，其中包括anchor-based方法与anchor-free方法。yolact属于one-stage方法中的anchor-based方法。该方法主要采用两个并行的分支实现one-stage检测与分割。两个分支分别为： (1)Prediction Head分支生成各个anchor的类别置信度、位置回归参数以及mask的掩码系数； (2)Protonet分支生成一组原型m
【实例分割】用自己的数据复现yolact网络-含python源码
最新发布
向上生长的程序媛的博客
04-01 1504
详解如何基于自己的数据集训练实例分割yolact模型。
【深度学习】【YOLACT】代码解读一
Hana
02-19 4882
【YOLACT】代码解读一代码运行验证处理图片训练代码解读网络架构 代码运行 根据github所给指导一步一步进行，如果曾经下载好coco数据集，在data/config.py108行以下修改数据集的目录，并且在run_coco_eval.py16行修改验证集annotation文件的路径。 验证 有以下三种评估方式： first python eval.py --trained_model=we...
结合eval(()和input()
05-02
结合二者，可以实现动态输入 Python 代码并执行。 例如，下面的代码实现了一个简单的计算器，可以接收用户输入的数学表达式，并计算结果： ``` while True: expr = input("请输入数学表达式：") if expr == ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
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

打赏作者

蓝羽飞鸟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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