![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
machine learning
文章平均质量分 79
lykffl
这个作者很懒,什么都没留下…
展开
-
轻量级姿态估计技巧总结(2021.11.17更新) 收藏
总结目前自己实验过的一些姿态估计的技巧,持续更新,欢迎点赞~ 数据处理&增强篇 1. 正确的归一化 将坐标值归一化到(-0.5, 0.5)之间,公式为: 由于目标检测的关系,姿态估计的对象大都会在图像的中央,用这样的归一化能很大的加速模型收敛 2. Augmentation by Information Dropping(AID) 地址:2020 COCO Keypoint Challenge 冠军之路 - 知乎 (zhihu.com) 这是COCO2020 冠军团队的论文。.转载 2021-11-18 09:52:14 · 582 阅读 · 0 评论 -
如何衡量目标检测模型的优劣 收藏
机器学习算法的落地从数据—>建模—>训练—>评估—>部署,生命周期中的这5个环节一样都不能少,其中算法的评估尤为重要,不同的任务有其自身的衡量标准,本文我们走进目标检测任务的各项评价指标,回顾各项衡量标准的优劣及使用环境。 细数目标检测中的评价指标 计算机视觉中的目标检测即包含了分类和回归两大任务,对于预测的结果我们不能凭直觉判断模型的好坏,而是需要一个量化指标。业界对模型的性能评估已经有很多不同的指标:比如准确率、精确率、召回率、平方误差、余弦距离、P-R曲线、ROC曲线、AP转载 2021-10-18 10:12:50 · 382 阅读 · 0 评论 -
传统方法 + 深度学习发威! | 2021瓷砖缺陷检测总决赛冠军思路分享
本文整理天池比赛论坛分享:https://tianchi.aliyun.com/forum/postDetail?postId=195955 仅做收藏、学术分享 一. 总体方案概述 虽然当前深度学习技术十分火爆,但它占AOI落地项目中的比例仅约10%。传统算法依然无法被完全取代,它有着计算复杂度低、调试成本低等优点。 为了结合深度学习算法和传统算法的优势,我们提出Deep and Shallow Fusion Network (DSFNet), 该网络将传统算法提取的特征在模型的深层和浅层按转载 2021-07-23 09:39:42 · 510 阅读 · 0 评论 -
终于在windows上成功编译caffe,特分享过程
经过一天的不懈尝试和查找资料,终于完成了在windows上的caffe编译,也是参考了好几位前辈的经验分享,现分享过程如下: 前言:最好基于caffe-windows(https://www.github.com/happynear/caffe-windows)编译,否则因为一些语言语法的标准问题,要改很多东西,最后即使编译通过了,还不一定能用。 环境:win7 64位,vs20原创 2016-05-17 14:00:02 · 9873 阅读 · 6 评论 -
修改caffe输出multilabel,并自己训练完成了一个神经网络,初步达到目标检测的效果
记录自己的成长,终于在下班空闲时间完成了linux下最新版本caffe修改成输出multilabel,并系统性完成了从找数据集、制作数据集、训练等一系列流程,一直到最后的测试结果输出,哈哈原创 2016-07-19 18:38:34 · 885 阅读 · 0 评论