目标检测
zedjay_
开心每一天~
展开
-
YOLO详解
本文参考知乎 https://zhuanlan.zhihu.com/p/252364641. YOLO的创新点YOLO将物体检测作为回归问题求解。基于一个单独的end-to-end网络,完成从原始图像的输入到物体位置和类别的输出。从网络设计上,YOLO与two steps的目标检测方法如RCNN、Fast RCNN和Faster RCNN的区别如下:YOLO训练和检测均是在一个单独网...原创 2019-06-04 14:26:38 · 7607 阅读 · 0 评论 -
图像中的色彩空间
色彩空间色彩空间–Color Space:跟向量空间其实是一个东西. 举例RGB色彩空间, 我们用Red红色通道, Green绿色通道, Blue蓝色通道三个值来表示一个特定的色彩. 如果我们把颜色当作向量, 那所有向量的集合就是 色彩空间, 那RGB的色彩空间长成什么样呢?可以从图中看到,这个立方体,也就是三维空间,有5个单位的长度,按照不同的坐标轴,可以得知R,G,B的坐标。把一个彩...原创 2019-05-03 15:56:12 · 5691 阅读 · 0 评论 -
python中opencv读取图片的小知识点
前言之前一直会搞混opencv读取图片的时候到底是(height, width, channel) 还是(width, height, channel),以及设置像素点的时候的(x,y)位置。所以在这里记录一下各种小知识点,以后忘记的时候可以翻阅一下。小知识点图像的数据结构当用img = cv2.imread('pic.png')的时候:用img.shape返回的是: (heigh...原创 2019-04-30 20:56:01 · 2380 阅读 · 0 评论 -
Single Image Reflection Removal Exploiting Misaligned Training Data and Network Enhancements
Single Image Reflection Removal Exploiting Misaligned Training Data and Network Enhancements探索通过非对齐的训练数据和改进网络进行单一图片的反射消除0. Abstract问题:目前state-of-art的模型对于真实图片的泛化能力不行带标签的训练数据不足创新点:改进之前的网络结构,还加...原创 2019-06-09 16:50:09 · 1639 阅读 · 8 评论 -
GoogleNet详解
Inception(也称GoogLeNet)是2014年Christian Szegedy提出的一种全新的深度学习结构,在这之前的AlexNet、VGG等结构都是通过增大网络的深度(层数)来获得更好的训练效果,但层数的增加会带来很多负作用,比如overfit、梯度消失、梯度爆炸等。Inception的提出则从另一种角度来提升训练结果:能更高效的利用计算资源,在相同的计算量下能提取到更多的特征,从...原创 2019-06-05 11:09:38 · 918 阅读 · 0 评论 -
YOLOv3训练自己的数据集(based on darknet)
1. 前言本文是在docker中进行的,所以环境配置的默认配置好了。如果不懂docker,建议安装学习一下,然后在这里可以把环境为cuda8.0-cudnn5-devel-ubuntu16.04 + OpenCV 3.2.0 + Darknet的docker 镜像给pull下来,就可以直接用了。多说一句,开启docker时如果要用显卡,要安装nvidia-docker,启动的命令开头为sudo...原创 2019-05-23 22:14:50 · 1092 阅读 · 6 评论 -
Ubuntu下编译安装Opencv(任何版本都通用)
文章目录前言第一步: 更新一下ubuntu下的包第二步:安装操作系统需要的相应的库第三步:安装python库第四步:创建虚拟环境(可选)第五步:下载OpenCV and OpenCV_contrib第六步:编译和安装带contrib模块的Opencv第七步:测试Opencv3参考前言之前一直捣鼓想在ubuntu下安装编译opencv的版本,但是无奈一直没有成功。最近终于搞定,特此记录一下。...翻译 2019-04-25 13:54:30 · 2887 阅读 · 2 评论 -
对于目标检测中mAP@0.5的理解
文章目录前言mAP@0.5AP是Precision-Recall Curve(PRC)下面的面积!!!理一下思路参考前言一直不是很理解目标检测中的mAP是如何的,今天具体来写一下,加深一下理解。mAP@0.5mAP@0.5:mean Average Precision通俗来说,就是给每一类分别计算AP,然后做mean平均。那AP是什么呢,之前我一直以为是Average Precisio...原创 2019-05-05 17:43:39 · 52500 阅读 · 7 评论 -
Metrics-for-object-detection
文章目录Metrics for object detectionMotivation动机Different competitions, different metrics不同的比赛,不同的标准Important definitions重要的定义Intersection Over Union(IOU)True Positive, False Positive, False Negative and ...原创 2019-05-05 17:00:39 · 1229 阅读 · 0 评论 -
将Tensorflow训练好的模型去检测视频
文章目录前言代码和注释参考前言假设我们已经训练好一个tensorflow的模型,即后缀为pb的文件。如何训练请见我前面的博客。代码和注释import numpy as npimport osimport sysimport tensorflow as tfimport cv2import time from object_detection.utils import labe...转载 2019-04-15 10:42:12 · 1115 阅读 · 9 评论 -
天池Matplotlib学习
Matplotlib介绍matplotlib.pyplot是一个用于python编程语言中的2D图形的绘图库。 它可以在python脚本,shell,Web应用程序服务器和其他图形用户界面工具包中使用。有几个工具包可用于扩展python matplotlib功能。其中一些是单独的下载,其他可以与matplotlib源代码一起提供,但具有外部依赖性。Basemap:这是一个地图绘图工具包,包...原创 2019-04-14 15:37:11 · 165 阅读 · 0 评论 -
Docker 运行Python报错:UnicodeEncodeError: 'ascii' codec can't encode characters in position xxxxx
文章目录1.查看docker容器编码格式:2.查看容器所有语言环境今天在创建的docker中运行YOLO代码voc_python.py时报错:UnicodeEncodeError: ‘ascii’ codec can’t encode characters in position 32-35: ordinal not in range(128)应该是编码集的问题,所以查看了docker支持的...转载 2019-04-13 21:15:49 · 1274 阅读 · 1 评论 -
Ubuntu16.04下新版Tensorflow object_detection api使用教程
文章目录Tensorflow object_detection api 使用教程0.前言1.数据准备2. 下载object detection的api3.训练4.导出模型并测试5. 将训练好的模型移植到手机上6. 参考资料Tensorflow object_detection api 使用教程0.前言实验室里有项目要开始搞,要用到目标检测的方法。所以在这里记录一下搭建的环境以及训练的过程。基...原创 2019-04-13 20:19:04 · 934 阅读 · 2 评论 -
Tensorfow使用detection预训练模型进行fine tune
设置的目录不是checkpoint文件所在目录, 还需要把Checkpoint的前缀(prefix)作为目录名的一部分.例如:名为myModel.ckpt.data-00000-of-00001和其相关的index等checkpoint文件一起放在 ~/model/文件夹下, 则传入的TensorFlow的参数需要设置为~/model/myModel.ckpt, 而不是/model/...转载 2019-04-15 16:38:48 · 162 阅读 · 0 评论 -
YOLOv2(YOLO9000:Better,Faster,Stronger)论文阅读笔记
1. Abstract论文提出了YOLO9000,一个可以检测超过9000种类别的模型。YOLO9000提出的步骤:首先提出YOLOv2,更快更准然后提出一种把目标检测的数据(带有类别和边框)和分类数据(仅含有标签)结合起来一起训练的方法。本人主要注重看YOLOv2的方法,YOLO9000对我来说暂时没用,因为不需要检测那么多类别的。2. Introduction没啥...原创 2019-04-05 22:07:35 · 279 阅读 · 0 评论 -
YOLOv1(You Only Look Once: Unified, Real-Time Object Detection)阅读笔记
YOLOv1(You Only Look Once: Unified, Real-Time Object Detection)阅读笔记Abstract一个网络可以预测边框和类别的概率,做到了end-to-end速度非常快,能做到45 fps(frams per second).可以学到更普遍的物体特征,不过个人感觉没啥用。速度快也意味着精度下降。IntroductionYOLO...原创 2019-04-04 16:28:22 · 237 阅读 · 0 评论