![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
酱紫,
这个作者很懒,什么都没留下…
展开
-
程序记录
目标检测-pytorch1、strides = [stride] + [1]*(num_blocks-1)>>b=[1]+[1]*2>>print(b)[1, 1, 1]def _make_layer(self, block, planes, num_blocks, stride): strides = [stride] + [1]*(num_blocks-1) layers = [] for stride in strides: l原创 2020-12-03 16:26:30 · 357 阅读 · 0 评论 -
ResNet网络结构解析--Pytorch
ResNet101–DSSD/SSD(1)ResNet在Pytorch官方代码中有5种不同深度的结构,分别为18、34、50、101、152(各网络深度指的是“需要通过训练更新参数“的层数,如卷积层,全连接层等),和论文完全一致。(2)根据Block类型,可以将这五种ResNet分为两类:1)基于BasicBlock,浅层网络18,34都是由BasicBlock 搭成;2)基于Bottleneck,深层网络50,101,152是由Bottlen搭建而成;Block相当于积木,每个layer都由Bl原创 2020-11-11 16:06:50 · 11427 阅读 · 3 评论 -
numpy使用(二)
numpy记录(二)绘制网格模块1、np.clip(a, a_min, a_max, out=None)将数组中的元素限制在a_min, a_max之间2、x,y = np.meshgrid(np.arange(f),np.arange(f))绘制网格,可利用x,y来实现对各网格中心的遍历循环3、列表加、乘运算>>a=[1,1,1,1]>>b=[1,2,3,4]>>print(a+b)[1, 1, 1, 1, 1, 2, 3, 4]>>原创 2020-10-29 18:02:55 · 368 阅读 · 0 评论 -
SSD-函数用法
voc_annotation.py1、解析xml文件import xml.etree.ElementTree as ET in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year,image_id)) tree=ET.parse(in_file) root = tree.getroot() for obj in root.iter('object'): # print(obj) difficult原创 2020-10-28 18:22:22 · 244 阅读 · 0 评论 -
目标检测-SSD
目标检测-SSD-pytorchXML文件解析–VOC数据集此文章仅为自学笔记记录代码import xml.etree.ElementTree as ETfrom os import getcwdsets=[('2007', 'train'), ('2007', 'val'), ('2007', 'test')]classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair",转载 2020-10-27 22:22:37 · 84 阅读 · 0 评论