飞浆
文章平均质量分 80
天涯尽头黄鹤楼
这个作者很懒,什么都没留下…
展开
-
在AIstudio使用Paddle训练报错
在AIstudio使用Paddle训练报错。原创 2022-09-18 20:41:04 · 1630 阅读 · 2 评论 -
YOLOv3学习——损失函数
YOLOv3学习——损失函数文章目录YOLOv3学习——损失函数损失函数损失函数上面从概念上将输出特征图上的像素点与预测框关联起来了,那么要对神经网络进行求解,还必须从数学上将网络输出和预测框关联起来,也就是要建立起损失函数跟网络输出之间的关系。下面讨论如何建立起YOLOv3的损失函数。对于每个预测框,YOLOv3模型会建立三种类型的损失函数:表征是否包含目标物体的损失函数,通过pred_objectness和label_objectness计算。 loss_obj = paddle.nn原创 2022-02-13 20:22:49 · 2302 阅读 · 0 评论 -
YOLOv3学习——特征提取与候选区域
YOLOv3学习——特征提取文章目录YOLOv3学习——特征提取前言卷积神经网络提取特征根据输出特征图计算预测框位置和类别建立输出特征图与预测框之间的关联前言卷积神经网络提取特征在上一节图像分类的课程中,我们已经学习过了通过卷积神经网络提取图像特征。通过连续使用多层卷积和池化等操作,能得到语义含义更加丰富的特征图。在检测问题中,也使用卷积神经网络逐层提取图像特征,通过最终的输出特征图来表征物体位置和类别等信息。YOLOv3算法使用的骨干网络是Darknet53。Darknet53网络的具体结构原创 2022-02-12 20:00:45 · 3973 阅读 · 0 评论 -
YOLOv3学习——锚框和候选区域
YOLOv3学习之锚框和候选区域单阶段目标检测模型YOLOv3R-CNN系列算法需要先产生候选区域,再对候选区域做分类和位置坐标的预测,这类算法被称为两阶段目标检测算法。近几年,很多研究人员相继提出一系列单阶段的检测算法,只需要一个网络即可同时产生候选区域并预测出物体的类别和位置坐标。与R-CNN系列算法不同,YOLOv3使用单个网络结构,在产生候选区域的同时即可预测出物体类别和位置,不需要分成两阶段来完成检测任务。另外,YOLOv3算法产生的预测框数目比Faster R-CNN少很多。Faster原创 2022-02-08 16:54:58 · 8825 阅读 · 13 评论 -
目标检测基础
对计算机而言,能够“看到”的是图像被编码之后的数字,但它很难理解高层语义概念,比如图像或者视频帧中出现的目标是人还是物体,更无法定位目标出现在图像中哪个区域。目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别,并在该目标周围绘制边界框,标示出每个目标的位置,如 图1 所示。图1:图像分类和目标检测示意图图1(a)是图像分类任务,只需识别出这是一张斑马的图片。图1(b)是目标检测任务,不仅要识别出这是一张斑马的图片,还要标出图中斑马的位置。目标检测发展历程在上一节.原创 2022-01-28 00:24:08 · 533 阅读 · 0 评论 -
计算机视觉——卷积神经网络基础
计算机视觉——卷积神经网络基础文章目录计算机视觉——卷积神经网络基础一、计算机视觉的发展历程二、卷积神经网络卷积(Convolution)卷积计算填充(padding)步幅(stride)感受野(Receptive Field)多输入通道、多输出通道和批量操作卷积算子应用举例池化(Pooling)ReLU激活函数批归一化(Batch Normalization)丢弃法(Dropout)总结一、计算机视觉的发展历程计算机视觉的发展历程要从生物视觉讲起。对于生物视觉的起源,目前学术界尚没有形成定论。原创 2022-01-27 19:58:59 · 466 阅读 · 0 评论 -
飞桨常规赛:常规赛:PALM眼底彩照视盘探测与分割 6月第2名方案 2021-7-25
飞桨常规赛:常规赛:PALM眼底彩照视盘探测与分割 6月第2名方案比赛地址: https://aistudio.baidu.com/aistudio/competition/detail/85AI Studio地址: https://aistudio.baidu.com/aistudio/personalcenter/thirdview/725102一、赛题介绍1. 赛题简介常规赛简介飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础,是中国首个开源开放、技术领先、功能原创 2021-07-25 19:58:55 · 2157 阅读 · 0 评论 -
PALM病理性近视预测 2021-07-04
飞桨常规赛:PALM病理性近视预测 6月第3名方案【常规赛:PALM病理性近视预测】方案比赛地址: https://aistudio.baidu.com/aistudio/competition/detail/85一、赛题介绍1. 赛题简介PALM病理性近视预测常规赛的重点是研究和发展与病理性近视诊断相关的算法。该常规赛的目标是评估和比较在一个常见的视网膜眼底图像数据集上检测病理性近视的自动算法。具体任务是将提供的图像分为病理性近视眼底彩照和非病理性近视眼底彩照,其中,非病理性近视眼底彩照包括正常原创 2021-07-04 16:21:58 · 676 阅读 · 4 评论