![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测学习笔记
文章平均质量分 59
phily123
这个作者很懒,什么都没留下…
展开
-
目标检测学习笔记——paddleDetection使用
一、修改图片缩放尺寸为32的倍数。原创 2022-08-03 21:50:58 · 894 阅读 · 0 评论 -
目标检测学习笔记——小目标检测
YOLOV5 的小目标检测网络结构优化方法汇总(附代码)原创 2022-08-03 21:47:50 · 915 阅读 · 0 评论 -
目标检测学习笔记——数据集格式
一、coco的json数据格式https://blog.csdn.net/xiaobumi123/article/details/114697850{“info”: info, # dict“licenses”: [license], # list ,内部是dict“images”: [image], # list ,内部是dict“annotations”: [annotation], # list ,内部是dict“categories”: # list ,内部是dict}info与l原创 2022-04-08 18:59:58 · 607 阅读 · 0 评论 -
目标检测学习笔记——CV与模型融合
How To CV and How To Ensemble OOF Files一、怎么做交叉验证将完整的数据集划分成N份(如五份,称为Fold1, Fold2, Fold3, Fold4, Fold5),然后我们训练出五个模型,比如用2-5的fold做训练,fold1做预测验证,一次进行五次训练验证。这样我们就对所有的训练集进行过一次预测,这个预测结果称之为OOF(out of fold),CV的分数就是用所有的训练集以及预测的结果来计算得到OOF_AUC = roc_auc_score( trai原创 2022-03-28 00:06:05 · 3090 阅读 · 0 评论 -
目标检测学习笔记——使用wandb
一、windows使用1、首先pip install wandb2、然后在官网注册获取key3、import wandbwandb.login(key='400fa74e3697eb0beff75f5ab1d0ab73954540c7')二、linux使用1、sudo pip3 install wandb2、然后在官网注册获取key3、cd /usr/local/bin/wandb login # 输入key...原创 2022-03-03 15:58:40 · 3363 阅读 · 0 评论 -
目标检测学习笔记——探索YOLOV5
yolov5的学习率调度器采用的是LambdaLR参考链接: 目标检测 YOLOv5 - 学习率yolov5学习率设置原创 2022-03-03 11:56:43 · 5315 阅读 · 4 评论 -
目标检测学习笔记——训练日志
cascade rcnn resnext101+multiple scale train and test原创 2021-12-31 22:47:33 · 1351 阅读 · 0 评论 -
目标检测学习笔记——kaggle上学习代码
参考链接:https://www.kaggle.com/code?searchQuery=MM&page=2Install MMdetection from scratchVersion info.MMdetection 2.6.0mmcv-full 1.2.0, torch 1.6, cu102Because this Competetion is Notebook Competetion, we need to inference .mp4 video without intere原创 2021-12-18 19:21:24 · 738 阅读 · 0 评论 -
目标检测学习笔记——mmdetection
学习率学习率在configs/*.py文件中设置因为之前的lr是在8个gpu的情况下设置的,所以这里应该除以8降低学习率。原创 2021-12-15 22:58:36 · 7123 阅读 · 1 评论 -
目标检测学习笔记——mmdet的mmcv安装
要求mmcv-full版本是1.1.5,经检测发现torch版本是1.10.0,cuda版本是11.3,通过mmcv官网pip install mmcv-full==1.1.5 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10.0/index.htm下载失败,提示是:RuntimeError:The detected CUDA version (10.0) mismatches the version that was used原创 2021-12-13 22:02:25 · 17067 阅读 · 3 评论 -
目标检测学习笔记——ROI pooling和ROI Align
参考链接:https://www.cnblogs.com/codehome/p/10910180.html对于两阶段的目标检测,第一阶段产生roi,第二阶段的ROI pooling参考spp产生相同大小的ROI。过程:输入是对应于原图大小的roi和feature map,先将roi转化到feature map上,这时的roi大小肯定不一样,这是将roi划分成输出维度等份(如输出是77,则将roi分成77的)再对每个部分采用最大池化后roi就变成了统一大小。总结: 对于大目标检测roi poolong原创 2021-12-08 23:02:24 · 278 阅读 · 0 评论 -
目标检测学习笔记——CascadeRcnn
proposal的质量对模型的精度有很大的影响,训练过程中,rcnn 模型的正负样本是通过iou阈值来确定的,所以iou阈值越高rpn生成的正样本质量越高,精度也会有所提升,但是随着iou阈值的继续增大,模型精度显著下降。这是两个原因导致的:1训练过程中iou阈值越高,正样本的个数也呈指数下降,这样会带来模型的过拟合。2.训练阶段与inference时iou差别很多带来的mismatch(我的理解是训练时训练时的iou就是proposal与gt之间的iou,inference虽然没有用到gt,但gt实际原创 2021-12-02 18:45:24 · 1647 阅读 · 0 评论 -
目标检测学习笔记——OHEM和focal loss
OHEM(online hard example mining)和focal loss可以解决困难样本和简单样本不平衡的问题OHEM通过选择损失较大的候选ROI解决困难样本和简单样本不平衡的问题,原论文是用fast rcnn做实验的。OHEM论文解读focal loss和ohem关于目标检测不平衡问题的一些工作...原创 2021-12-01 22:04:56 · 1962 阅读 · 0 评论 -
目标检测学习笔记——kaggle代码学习
一、[VinBigData]-Train-EfficientNet-2-classes[VinBigData]-Train-EfficientNet-2-classes添加环境,这就可以直接访问包而不用安装package_paths = [ '../input/pytorch-image-models/pytorch-image-models-master', #'../input/efficientnet-pytorch-07/efficientnet_pytorch-0.7.0'原创 2021-11-30 21:21:15 · 2305 阅读 · 1 评论 -
目标检测学习笔记——数据增强
目标检测的数据增强一般在写dataset自定义类时使用pytorch一般在定义完模型后就转存到GPU上在运用对tensor进行的方法前要把数据转化成张量1.输入到模型前必须转化成tensor,所以可以在数据增强时利用torch.from_numpy(images).type(torch.FloatTensor).cuda()这里数据在dataset和dataloader里都是ndarray,在传入模型前才转化成tensordef fit_one_epoch(model_train, model,原创 2021-11-30 21:09:55 · 1697 阅读 · 0 评论 -
目标检测学习笔记——TTA
transforms.ToTensor()源码TTA用法示例:class BaseWheatTTA: """ author: @shonenkov """ image_size = 512 def augment(self, image): raise NotImplementedError def batch_augment(self, images): raise NotImplementedError d原创 2021-11-28 22:21:39 · 1167 阅读 · 0 评论 -
目标检测学习笔记——评价指标
目标检测01:常用评价指标(AP、AP50、AP@50:5:95、mAP)原创 2021-11-15 16:38:51 · 1944 阅读 · 0 评论 -
目标检测学习笔记——COCO API的使用
getCatIds、getImgIds、loadImgs、getAnnIds、loadAnns、showAnns函数COCO2017数据集api说明COCOeval类的使用COCO API-深入解析cocoeval在det中的应用原创 2021-11-07 20:15:47 · 534 阅读 · 0 评论 -
目标检测学习笔记——IOU的作用
一、训练时:通过iou阈值来确认bbox是正负样本,大于某个阈值的认识是正样本,小于某个阈值的认为是负样本,两个阈值中间的抛弃,因为负样本很多,所以通常选取较小的阈值来确定负样本。二、评估时:1、计算MAPMAP是所有类别AP的均值,AP由精确率和召回率确定,而IoU 阈值、confidence 阈值影响 precision 和 recall 的计算。为了计算 precision、recall,我们不得不去判定 True Positives (TP)、False Positives (FP)、Tr原创 2021-11-07 17:21:21 · 2958 阅读 · 0 评论 -
目标检测学习笔记——跑通模型遇到的问题
一、img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) TypeError: Expected Ptr< cv::UMat> for argument '%s’错误原因:错误发生在:img = cv2.imread()cv2.cvtColor(np.copy(img),cv2.COLOR_BGR2RGB)可能是因为没有读取到图片,最后发现是因为路径名写的不对这里的验证集图片路径应该写成相对路径,以/结尾,因为最后的路径拼接是用的+,改成如下即原创 2021-11-07 15:25:06 · 1244 阅读 · 0 评论 -
目标检测学习笔记——FairMOT多目标检测
cython-bbox安装教程添加链接描述添加链接描述添加链接描述原创 2021-10-27 13:06:40 · 135 阅读 · 0 评论 -
目标检测学习笔记——相关资料、竞赛及trick
添加链接描述添加链接描述添加链接描述原创 2021-10-26 16:48:57 · 1030 阅读 · 0 评论 -
目标检测学习笔记——MMdetection下Faster RCNN源码解读
RCNN、Fast RCNN和Faster RCNN都是two stage网络,第一步是生成proposal,第二步是分类和回归。1、RCNN的region proposal是使用SS算法生成2k个region proposal,然后进行warp或者crop成统一尺寸。2、Fast RCNN同样是通过SS算法生成候选框,但是通过ROI Pooling层将ROI(region of interest,对应feature map上面的proposal)变成统一尺寸。Fast RCNN将提取特征与回归和分类都原创 2021-10-10 19:16:25 · 1560 阅读 · 0 评论 -
目标检测学习笔记——yolov1-yolov4
一、损失函数x,y:预测出的bbox的中心点坐标。w,h:预测出的bbox的长与宽。x^ , y^:已标注bbox的中心点坐标。w^ ,h^:已标注的bbox的长与宽。根号w,根号h:减少大物体边框的影响。不然的话损失函数会被大物体所左右,这样只会学到大物体的信息。λcoord:可以取5,为了平衡“非物体”bbox过多的影响。比如一个7*7的特征图,每个cell预测两个bbox,那么会有98个小格,可是真实物体只有三个。下面的式子是学习背景的,是必须要存在的,比如分类问题中,假如有n类物原创 2021-10-09 21:52:41 · 744 阅读 · 0 评论 -
目标检测学习笔记——RPN和ROI Pooling
一、RPN首看这个链接:CNN目标检测(一):Faster RCNN详解下图展示了Python版本中的VGG16模型中的faster_rcnn_test.pt的网络结构,可以清晰的看到该网络对于一副任意大小PxQ的图像,首先缩放至固定大小MxN,然后将MxN图像送入网络;而Conv layers中包含了13个conv层+13个relu层+4个pooling层;RPN网络首先经过3x3卷积,再分别生成foreground anchors与bounding box regression偏移量,然后计算出p原创 2021-09-13 19:32:50 · 2055 阅读 · 0 评论 -
目标检测正负样本
添加链接描述原创 2021-09-03 20:23:25 · 340 阅读 · 0 评论 -
深度学习学习笔记——RCNN中的边框回归问题
参考,评论也重要目标检测不但要图像识别还要找出其位置,位置是通过bbox确定的,那么bbox是怎么找到的?很多论文只是简单带过通过线性回归器来进行边框回归确定边界框位置,实际上是通过x,y,w,h(即中心坐标和宽高)确定bbox,输入是真实x,y,w,h和候选框,输出的是预测框,损失函数是通过p和t确定的。...原创 2021-09-01 17:57:09 · 426 阅读 · 0 评论 -
目标检测学习笔记——NMS、置信度、IOU
非极大值抑制用在最后阶段,即所有边界框都已经回归调整过后,对图片每一类使用NMS防止一个目标出现多个边界框。1、非极大值抑制需要设置一个阈值2、使用时间是最后调整完预测框位置后3、多少个类就使用多少次非极大值抑制3、每一类使用非极大值抑制后找到所有这类的边界框添加链接描述...原创 2021-08-01 17:34:43 · 24009 阅读 · 6 评论 -
目标检测学习笔记——Anchor
添加链接描述原创 2021-07-17 22:52:40 · 113 阅读 · 2 评论 -
目标检测学习笔记——学习yolo时学到的知识
一、函数参数*args和**kwargs*1、args的使用方法*args 用来将参数打包成tuple给函数体调用def function(x, y, *args): print(x, y, args)function(1, 2, 3, 4, 5)1 2 (3,4,5)**2、kwargs的使用方法**kwargs 打包关键字参数成dict给函数体调用def function(**kwargs): print(kwargs)function(a=1, b=2, c=原创 2021-07-08 20:58:35 · 265 阅读 · 0 评论