深度学习
文章平均质量分 70
三毛的二哥
If you want something,go get it.
展开
-
yolo目标检问题思考
问题1: yolo算法检测密集目标时,易漏检,例如多匹马并排站在一起思考:NMS后处理时将得分较低的预测结果滤除了,降低部分检出率改进1:用soft NMS,只改变预测得分,而不是舍弃得分较低的预测结果,避免一刀切问题,保留大量预测结果,可提高检出率新问题1:大量预测结果,使得后处理时间急剧上升改进2:适当提高NMS阈值,保留较多的预测结果,然后将同一类缺陷的重叠结果进行合并,以减少漏检...原创 2021-06-03 14:37:43 · 819 阅读 · 0 评论 -
目标检测网络---Anchor free系列
Anchor based回顾Anchor free发展Cornernet以顶点为圆心,作圆,扩大角点范围(正样本范围)每个点是其下方点的最大值,每个点是其右方最大值,然后相加将两个3x3残差网络改为1x1和3x3组合,减小参数,同时将3x3的卷积换为深度可分离卷积,进一步加速...原创 2021-05-09 12:27:39 · 303 阅读 · 0 评论 -
win10下detectron2编译安装方法及问题汇总
环境硬件硬件:CPU:Intel®Core™i5-10400F CPU @2.90GHz 2.90GHzGPU: NVIDIA GeForce GTX 1660 Ti (6G显存)内存:16.0GB(15.9GB可用)软件:Visual Studio 2019CUDA10.1,cudnnAnaconda3torch 1.6.0+cu101torchvision 0.7.0+cu101python=3.8.0detectron2准备工作Anaconda3,Visual Stud原创 2021-05-06 18:38:29 · 5491 阅读 · 7 评论 -
目标检测网络---PP-YOLO优化策略
YOLO系列回顾目标检测网络优化策略标红的为PP-YOLO使用的优化策略数据增强—Image Mixup学习策略—Label Smooth学习策略—IoU Loss学习策略—IoU Aware学习策略—Grid Sensitive训练策略—Synchronized Batch Norm(多卡训练,卡间同步批归一化)训练策略—Exponential Moving Average(指数滑动平均)训练策略—Larger Batch Size网络结构—骨干网络ResNet原创 2021-04-26 23:33:19 · 690 阅读 · 0 评论 -
libtorch train example --- lenet5
libtorch是pytorch的C++版深度学习平台,可以通过C++代码完成深度学习任务中的常见操作。这里介绍如何构通过libtorch构建一个demo程序—lenet5 。源代码https://github.com/lishiyu93/libtorch_lenet5_train原创 2021-04-26 17:44:10 · 238 阅读 · 0 评论 -
目标检测网络---yolov3(二)
上一篇博文介绍单阶段检测网络中的经典算法yolov3的基本原理,这篇博文继续深入介绍yolov3原理。说明这篇博文是学习了百度飞桨目标检测7日打卡训练营后写的笔记,百度飞桨学习链接:https://aistudio.baidu.com/aistudio/education/group/info/1617yolov3检测流程真实框匹配损失函数预测...原创 2021-04-20 22:40:20 · 152 阅读 · 0 评论 -
win10 tensorrtx yolov5使用方法
上一篇博文介绍了win10 tensorrtx lenet使用方法,这里介绍Windows10下yolov5的TensorRT使用方法,官方的CmakeList默认是在linux环境下使用,我参考官方说明,修改了CmakeList,使其可以在windows10下快速构建TensorRT的MSVC工程,用于pytorch版yolov5的pt模型测试。1 环境硬件:CPU:Intel®Core™i5-10400F CPU @2.90GHz 2.90GHzGPU: NVIDIA GeForce GTX 1原创 2021-04-19 16:13:40 · 6817 阅读 · 22 评论 -
目标检测网络---yolov3(一)
前两篇博文介绍了两阶段检测网络中的经典算法RCNN系列综述和RCNN优化策略,这篇博文介绍单阶段检测网络中的经典算法yolov3。说明这篇博文是学习了百度飞桨目标检测7日打卡训练营后写的笔记,百度飞桨学习链接:https://aistudio.baidu.com/aistudio/education/group/info/1617yolo发展历程You Only Look Once问题1.为什么只用看一次就能解决目标检测问题?2.什么是anchor,为什么要使用anchor?3.如何从a原创 2021-04-18 22:43:37 · 625 阅读 · 0 评论 -
目标检测网络---Faster RCNN优化策略
上一篇博文介绍了RCNN的综述,这篇博文介绍一下RCNN的常见优化策略说明这篇博文是学习了百度飞桨目标检测7日打卡训练营后写的笔记,百度飞桨学习链接:https://aistudio.baidu.com/aistudio/education/group/info/1617FPNCascade RCNNLibra RCNN...原创 2021-04-13 23:29:56 · 1090 阅读 · 2 评论 -
目标检测网络---Faster RCNN系列综述
说明这篇博文是学习了百度飞桨目标检测7日打卡训练营后写的笔记,百度飞桨学习链接:https://aistudio.baidu.com/aistudio/education/group/info/1617两阶段算法发展历程R-CNN核心思想对每张图选取多个区域,然后每个区域作为一个样本进入一个卷积神经网络来提取特征不足计算量大:每个候选区域都需要通过CNN计算特征质量差:selective search提取的区域质量不够好训练时间长:特征提取、SVM分类器是分模块训练,没有联合起来系统原创 2021-04-10 23:43:33 · 707 阅读 · 0 评论 -
win10 tensorrtx lenet使用方法
1 环境硬件:CPU:Intel®Core™i5-10400F CPU @2.90GHz 2.90GHzGPU: NVIDIA GeForce GTX 1660 Ti (6G显存)内存:16.0GB(15.9GB可用)软件:Visual Studio 2019CmakeCUDA10.0/10.1,cudnnAnaconda python3.8.3torch 1.6.0+cu101,torchvision 0.7.0+cu101TensorRT-7.0.0.11.Windows10.x8原创 2021-04-08 18:25:03 · 706 阅读 · 0 评论 -
win10 TensorRT 安装与测试
1 环境硬件:CPU:Intel®Core™i5-10400F CPU @2.90GHz 2.90GHzGPU: NVIDIA GeForce GTX 1660 Ti (6G显存)内存:16.0GB(15.9GB可用)软件:Visual Studio 2019CmakeCUDA10.0/10.1,cudnnTensorRT-7.0.0.11.Windows10.x86_64.cuda-10.0.cudnn7.61.下载官网安装包https://developer.nvidia.com/原创 2021-04-08 17:52:15 · 2826 阅读 · 5 评论 -
目标检测网络---评价指标
评价指标:准确率 (Accuracy),混淆矩阵 (Confusion Matrix),精确率(Precision),召回率(Recall),平均正确率(AP),mean Average Precision(mAP),交除并(IoU),ROC + AUC,非极大值抑制(NMS)。1、准确率 (Accuracy)分对的样本数除以所有的样本数 ,即:准确(分类)率 = 正确预测的正反例数 / 总数。 准确率一般用来评估模型的全局准确程度,不能包含太多信息,无法全面评价一个模型性能。2、混淆矩阵 (C转载 2021-03-15 23:19:11 · 2574 阅读 · 2 评论 -
Python脚本打包成pyd,通过PyQT调用
1 环境硬件:CPU:Intel®Core™i5-10400F CPU @2.90GHz 2.90GHzGPU: NVIDIA GeForce GTX 1660 Ti (6G显存)内存:16.0GB(15.9GB可用)软件:VScode/PycharmCUDA10.0Anacondapaddlepaddle1.8+python3.7.4Pytorch1.6.0+torchvision0.7.0+python3.8.32 pyd打包方法打包工具(库):easycython安装命令(指原创 2020-09-18 00:07:17 · 2184 阅读 · 0 评论