自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(14)
  • 收藏
  • 关注

原创 一个小小空格问题引起的bug

在昨天的日常搬砖中遇到一个问题,耽搁了我大半天的时间,最后查明原因让我很无语。

2024-08-29 17:38:32 245

原创 目标追踪 ByteTrack 算法详细流程分析

ByteTrack是字节跳动与2021年10月份公开的一个全新的多目标跟踪算法,原论文是《ByteTrack: Multi-Object Tracking by Associating Every Detection Box》。ByteTrak的MOTA和FPS等指标上都实现了较好的性能,要优于现有的大多数MOT(多目标追踪)算法。

2024-08-21 17:40:33 783

原创 记录一次物理专业编程大作业完成过程

有一天毕业多年的大学同学在班级微信群里问有没有人能帮忙写一段代码实现一个功能。我一看这段描述简直就头大了,程序员都比较害怕这种没有格式的文字,甚至连个换行都没有,说实话多看一眼就感觉莫名烦躁。我也就没敢讲话,即使有同学在群里已经开始点名了,也始终一言不发。

2024-08-12 18:07:03 951

原创 yolov5 mAP计算代码分析

模型训练过程中每一轮都会计算P,R,mAP,mAP@0.5等数值,本篇分析这些数值的计算过程,分析最核心部分。我的感受是计算的过程比想象的复杂。

2024-08-06 16:40:08 693

原创 《左耳听风 传奇程序员练级攻略》读书笔记

本书是程序员大牛陈皓的文章汇总,内容包括技术、沟通、工程师文化等,通读之后摘录其中精华部分。开卷有益,能读到摘录部分也会收益,当然最好是去读原文,知识转化效率更高。除本书之外,还有一些他的文章也非常值得阅读,包括程序员如何变现,如何学习英语主题等。

2024-07-26 11:30:04 313

原创 记录一次简单的模型训练分析过程

本篇是自己学习过程中的记录,使用的数据集比较小,主要是为了代码分析和简单的提点。代码分析的部分在之前的文章中已经总结了,本篇主要是结果分析和提升map的一些尝试,入门阶段,高手请绕行。

2024-07-22 09:56:23 243

原创 极大值抑制 nms 代码详解

NMS: 非极大值抑制(`Non-Maximum Suppression`),功能:从大量的预测结果中筛选出得分最高的结果。思路:NMS的主要思路是通过计算目标框之间的重叠度(即IOU,交并比)来剔除非最佳结果。

2024-07-17 09:58:36 723

原创 yolov5 损失函数代码详解

模型的损失计算包括3个方面,分别是:定位损失、分类损失、置信度损失。本篇主要讲解yolov5中损失计算的实现,包括损失的逻辑实现,张量操作的细节等。

2024-07-16 16:53:16 940

原创 yolov5 正样本可视化

yolov5 正样本可视化,分析正样本筛选3种规则,跨anchor预测,跨网格预测,跨分支预测。

2024-07-15 09:47:24 640

原创 yolov5 筛选正样本流程 代码多图详解

正样本全称是anchor正样本,正样本所指的对象是anchor box,即先验框。先验框:从YOLO v2 开始吸收了Faster RCNN的优点,设置了一定数量的预选框,使得模型不需要直接预测物体尺度与坐标,只需要预测先验框到真实物体的偏移,降低了预测难度。

2024-07-10 16:29:18 595

原创 yolov5 网络结构

本篇主要讲解yolov5的网络模型结构以及其代码实现。到yolov5为止,yolo系列的网络模型结构发展快速的是1,2,3三代,4,5逐渐稳定优化。

2024-07-05 10:10:02 801

原创 数据增强mosaic实现

mosaic 是yolov4中提出的一个数据增强的方式,通过将4张图片拼接在一起送入训练,有效提升了模型的map

2024-07-02 09:53:31 972

原创 yolov1-yolov5 网络结构&正负样本筛选&损失计算

学习yolo系列,最重要的,最核心的就是网络模型、正负样本匹配、损失函数等三个方面。本篇汇总了yolov1-yolov5等5个版本的相关知识点,主要看点是在yolo框架搭建。初学者可以通过相关篇章搭建自己的知识点框架,然后再深入各个知识点,就像攻克一个又一个山头。当大部分的知识点都了然于胸,yolo系列就算掌握了。

2024-06-24 15:03:51 985

原创 prometheus 监控告警系统(对接飞书告警)

Prometheus 是一套开源的系统监控报警框架,非常适合大规模集群的监控。它也是第二个加入CNCF的项目,受欢迎度仅次于 Kubernetes 的项目。本文讲解完整prometheus 监控和告警服务的搭建。

2024-01-11 09:24:17 1761

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除