- 博客(11)
- 收藏
- 关注
RSS订阅原创 DetectionEVAZH.py 说明：数据测试统计脚本。对测试产生的XML进行统计，查看模型的优劣情况。可进行正样本统计或者正样本+负样本统计。
import osimport sysimport os.path as ospimport numpy as npimport cv2import copyimport xml.etree.ElementTree as ETimport matplotlib.pyplot as pltimport BBoxXmlTool as bxtimport pickleimport cPickleBIG_...
2018-04-09 11:13:03
241
原创 Caffe FPN Test流程
Test_net.pyif __name__ == '__main__': args = parse_args() print('Called with args:') print(args) if args.cfg_file is not None: cfg_from_file(args.cfg_file) if args.set_cfgs is no...
2018-03-29 18:13:55
975
1
原创 faster rcnn 源码学习-------数据读入及RoIDataLayer相关模块解读 + Train的流程
参考：https://www.cnblogs.com/Dzhen/p/6845852.html下面我和大家一起从训练最开始学习作者如何将原始数据读入并通过RoIDataLayer转化成网络训练所需的数据的总体过程。训练从./tools/train_net.py开始，进入主函数，我们只关注跟数据有关的模块。train_net.pyif __name__ == '__main__': args ...
2018-03-28 10:11:44
2901
原创 faster rcnn源码理解（三）之proposal_layer（网络中的proposal）
layer { name: "rpn_conv/3x3" type: "Convolution" bottom: "P3_aggregate" top: "rpn/output" param { lr_mult: 1.0 } param { lr_mult: 2.0 } convolution_param { num_output: 64 kernel_size: 3 p...
2018-03-28 10:11:32
1238
转载 Caffe学习系列(2)：数据层及参数
http://www.cnblogs.com/denny402/p/5070928.html要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有很多种类型，比如Data,...
2018-03-26 15:23:59
140
转载 Caffe学习系列(3)：视觉层（Vision Layers)及参数
转自：http://www.cnblogs.com/denny402/p/5071126.html所有的层都具有的参数，如name, type, bottom, top和transform_param请参看我的前一篇文章：Caffe学习系列(2)：数据层及参数本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Response N...
2018-03-26 14:55:26
137
原创 FPN中的proposal_layer（网络中的proposal）
最后有nms的实现，看看layer { name: 'proposal' type: 'Python' bottom: 'im_info' bottom: 'rpn_bbox_pred/p2' bottom: 'rpn_bbox_pred/p3' bottom: 'rpn_bbox_pred/p4' bottom: 'rpn_bbox_pred/p5' bottom: 'rp...
2018-03-23 19:07:49
1406
原创 proposal_target_layer.py (FPN)
bbox_weights_all不知道后面怎么用。。。layer { name: 'roi-data' type: 'Python' bottom: 'rpn_rois' bottom: 'gt_boxes' bottom: 'data' top: 'rois/h2' top: 'rois/h3' top: 'rois/h4' top: 'rois/h5' top: 'label...
2018-03-23 19:01:47
714
1
转载 faster-rcnn 之训练数据是如何准备的：imdb和roidb的产生
http://blog.csdn.net/zouyu1746430162/article/details/53911555关于imdb和roidb的生成都是在函数train_rpn的中，所以我们从这个函数开始，逐个跟进看如何执行得到我们需要的imdb和roidb：[python] view plain copy def train_rpn(queue=None, imdb_name=None, i...
2018-03-08 18:23:58
1353
1
原创 mAP计算方法概述
Git开源项目(比如unsky的FPN)中test_net.py调用test.py下的def test_net(net, imdb, max_per_image=1000, thresh=0.05, vis=False)函数。代码之后会顺一遍，先介绍下思路：假设一张测试图片有3个标定好的Ground Truth （黑色） 模型预测结果pred为6个框 (5红 + 1蓝)。 首先将所有pred按照置...
2018-03-08 09:54:29
2280
1
原创 ROI POOLING层的原理及代码分析
代码结合配图部分的解释很便于理解https://blog.deepsense.ai/region-of-interest-pooling-explained/http://blog.csdn.net/lanran2/article/details/60143861目标检测typical architecture 通常可以分为两个阶段：（1）region proposal：给定一张输入image找出...
2018-03-07 18:28:28
4975
3
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