目标检测
文章平均质量分 93
pursuit_zhangyu
人工智障
展开
-
voc数据集的map计算方式
相关概念mapmean average precision,表示各类别ap的平均值 apaverage precision,表示P-R曲线下的面积 pprecision,查准率,p = T P/(T P + F P) rrecall,召回率,r = T P/(T P + F N) TPtrue positive,在detection中,表示成功检测到某个ground truth bounding box的预测框的数量 FPfalse positive,表示没能匹配到某个groun...原创 2021-02-09 11:20:25 · 3527 阅读 · 0 评论 -
resnet,inception,densenet,senet
resnethttps://zhuanlan.zhihu.com/p/54289848opencv1、ResNet要解决什么问题?自从深度神经网络在ImageNet大放异彩之后,后来问世的深度神经网络就朝着网络层数越来越深的方向发展。直觉上我们不难得出结论:增加网络深度后,网络可以进行更加复杂的特征提取,因此更深的模型可以取得更好的结果。但事实并非如此,人们发现随着网络深度的增...原创 2019-06-23 21:13:08 · 1267 阅读 · 0 评论 -
Soft NMS算法笔记
原博客地址:https://blog.csdn.net/u014380165/article/details/79502197#comments提出问题如下图,测算法本来应该输出两个框,但是传统的NMS算法可能会把score较低的绿框过滤掉(如果绿框和红框的IOU大于设定的阈值就会被过滤掉),导致只检测出一个object(一个马),显然这样object的recall就比较低了。可...转载 2019-06-09 14:20:15 · 350 阅读 · 0 评论 -
Focal Loss
RetinaNethttps://blog.csdn.net/JNingWei/article/details/80038594https://zhuanlan.zhihu.com/p/59910080第二个上面写的focal loss比较好交叉熵损失函数写的比较好的https://blog.csdn.net/dcrmg/article/details/80010342?utm...原创 2019-06-03 13:59:06 · 822 阅读 · 0 评论 -
FPN
FPN网络结构https://blog.csdn.net/u014380165/article/details/72890275总结作者提出的FPN(Feature Pyramid Network)同时利用低层特征高分辨率和高层特征的高语义信息,通过融合这些不同层的特征达到预测的效果。并且预测是在每个融合后的特征层上单独进行的。1.FPN具体是怎么操作的。作者的算法大致结构如下...原创 2019-06-03 13:57:19 · 896 阅读 · 1 评论 -
Faster R-CNN源码中ROI Pooling的解析
如图可以看出来ROI Pooling使用RPN产生的Proposal和fearture map,ROIpooling其实使用的是feature map中的Proposal,如下图也可以看出来。Proposal是相对于image的,所以需要将Proposal的x,y,z,w同除以16。现在就可以得到feature map中的Proposal。将feature map中的Proposal切割出来,...原创 2019-06-05 16:23:38 · 1767 阅读 · 0 评论 -
YOLO V1,V2, V3的记录
YOLO V1写的比较好的https://zhuanlan.zhihu.com/p/378508模型的输出需要固度维度,看模型的网络结构,可以知道固定维度是。具体的方法是将输入图像按照模型的输出网格(比如7x7大小)进行划分,划分之后就有很多小cell了。我们再看图片中物体的中心是落在哪个cell里面,落在哪个cell哪个cell就负责预测这个物体。训练阶段。在训练阶段,如果物体中...原创 2019-05-27 09:43:46 · 428 阅读 · 0 评论 -
Faster R-CNN源码中RPN的解析(自用)
参考博客(一定要看前面两个)一文看懂Faster R-CNN详细的Faster R-CNN源码解析之RPN源码解析关于RPN一些我的想法rpn的中心思想就是在了anchors了,如何产生anchors,如果稍微有些了解的话会知道通过generate_anchors.py产生了9个anchors,然后通过偏移值得到所有的anchors。有一个疑问是如何让网络去学习这些呢,其实是不用学...原创 2019-05-03 18:04:53 · 1007 阅读 · 0 评论 -
Faster RCNN 学习笔记
原博客地址:https://www.cnblogs.com/wangyong/p/8513563.html抱歉原博主,非常抱歉,直接转载了,写的真的是太棒了,怕忘了网址下面的介绍都是基于VGG16 的Faster RCNN网络,各网络的差异在于Conv layers层提取特征时有细微差异,至于后续的RPN层、Pooling层及全连接的分类和目标定位基本相同. 一)、整体框架...转载 2018-11-19 20:34:19 · 369 阅读 · 0 评论 -
目标检测中的正负样本
参考地址:https://www.cnblogs.com/rainsoul/p/6247779.html 以人脸识别为例,如果你的任务是识别教室中的人脸,那么负样本的选取应该是教室中的窗户、椅子、墙、人的身体、衣服颜色等等,而不是天空、月亮这些对本任务没有帮助的场景。当然,如果不确定应用环境,那么应该选取尽可能有不同光照不同环境的自然图像作为负样本。 个人理解的正样本就是任...转载 2018-06-26 14:55:31 · 1517 阅读 · 2 评论 -
深度学习——NMS(非极大抑制)
博客地址:https://blog.csdn.net/zchang81/article/details/70211851在物体检测中NMS(Non-maximum suppression)非极大抑制应用十分广泛,其目的是为了消除多余的框,找到最佳的物体检测的位置。在RCNN系列算法中,会从一张图片中找出很多个候选框(可能包含物体的矩形边框),然后为每个矩形框为做类别分类概率 ...转载 2018-05-26 19:20:17 · 1149 阅读 · 0 评论 -
使用tensorflow object detection api训练自己的数据集
简介使用tensorflow object detection训练自己的数据集时,可能会出现AttributeError: module 'tensorflow.contrib.data' has no attribute 'parallel_interleave' 这个是因为tensorflow(我的是1.4版本)版本的原因,没有这个函数,可以去安装tensorflow-gpu==1.8,就不...转载 2018-05-26 14:54:13 · 1249 阅读 · 0 评论 -
SPPNet的原理
简介SPPNet的英文名称是Spatial Pyramid Pooling Convolutional Networks,翻译成中文是“空间金字塔池化卷积网络”。paper地址https://arxiv.org/pdf/1406.4729.pdf原理 SPPNet主要做了一件事:将CNN的输入从固定尺寸改进为任意尺寸。例如,在普通的CNN结构中,输入的尺寸往往是固定的(如224*224...原创 2018-04-28 20:45:31 · 933 阅读 · 0 评论 -
召回率(Recall),精确率(Precision),交除并(Intersection-over-Union(IoU)
简介做一下记录,方便查看召回率和精准率混淆矩阵True Positive(真正, TP):将正类预测为正类数.True Negative(真负 , TN):将负类预测为负类数.False Positive(假正, FP):将负类预测为正类数 →→ 误报 (Type I error).False Negative(假负 , FN):将正类预测为负类数 →→ 漏报 (Type II error).精确...转载 2018-04-27 21:31:20 · 907 阅读 · 0 评论 -
SSD原理
先看这个,拿着论文看这个美滋滋https://blog.csdn.net/u010167269/article/details/52563573然后可以再看一下这个https://zhuanlan.zhihu.com/p/24954433?refer=xiaoleimlnote转载 2018-05-03 14:20:00 · 678 阅读 · 0 评论 -
YOLO原理
原博客地址https://zhuanlan.zhihu.com/p/25236464从五个方面解读CVPR2016 目标检测论文YOLO: Unified, Real-Time Object Detection创新 核心思想 1. 创新YOLO将物体检测作为回归问题求解。基于一个单独的end-to-end网络,完成从原始图像的输入到物体位置和类别的输出。从网络设计上,YOLO与rcnn、fast ...转载 2018-05-01 12:09:30 · 1016 阅读 · 0 评论 -
Faster R-CNN原理
简介Fast R-CNN看似很完美了,但在Fast R-CNN中还存在着一个需要解决的问题,他需要先使用Selective Search提取框,这个方法比较慢,有时测试一张图片,大部分时间不是话在计算神经网络分类上,而是话在Selective Search上,在Faster R-CNN上,用RPN网络(Region Proposal Network)取代了Selective Search,不仅速度...原创 2018-04-30 22:15:58 · 232 阅读 · 0 评论