目标检测
文章平均质量分 62
猫猫与橙子
这个作者很懒,什么都没留下…
展开
-
yolov5数据增强避免目标残缺的代码处理
yolov5数据增强避免目标残缺的代码处理原创 2024-01-18 14:11:08 · 71 阅读 · 0 评论 -
初次使用yolov8遇到的问题
首次使用yolov8训练检测,踩坑记录;原创 2023-04-12 09:37:28 · 1470 阅读 · 1 评论 -
yolov5测试报错:RuntimeError: CUDA out of memory.
RuntimeError: CUDA out of memory.不一定是现存不足;原创 2022-08-22 15:59:20 · 6400 阅读 · 4 评论 -
yolov6中的SimSPPF
空间金字塔池化SPP,SPPF和SimSPPF原创 2022-07-12 13:56:20 · 3251 阅读 · 2 评论 -
PP-yoloE论文的理解
百度的ppyoloe原创 2022-07-12 13:49:11 · 1746 阅读 · 0 评论 -
【x光机数据】Occluded Prohibited Items Detection:an X-ray Security Inspection Benchmark and De-occlusion A
x光机数据进行目标检测,1.收集了x光机数据集OPIXray;2.提出了去遮挡注意力模块;3.相关代码嫁接到yolov5中使用原创 2022-06-16 11:00:52 · 922 阅读 · 1 评论 -
YOLOV5目标检测-后处理NMS(非极大值抑制)
一.非极大抑制整个计算原理二.yolov5中相应的代码三.同类别框相互包裹,去除低置信度,减少误检代码实现def non_max_suppression(prediction, conf_thres=0.25原创 2022-04-25 14:34:01 · 13496 阅读 · 9 评论 -
SSD的priorbox层
最近要对faceboxes的网络结构进行TensorRT加速,发现同事使用的faceboxes中的priorBox layer和平常使用的priorBox layer在网络结构上好像不太一样,这就说明,我有可能需要在TensorRT中自己添加自己的priorBox层了.这里比较了常规的prior_box_param参数:prior_box_param{min_size:60.0 #有的包...原创 2018-12-11 11:49:03 · 3127 阅读 · 2 评论 -
使用darknet训练yoloV3
最近在训练yolo V3;训练过程一波三折,为什么这么说了,使用pytorch训练,速度太慢了,8个小时训练了7个epoch,batchsize我设置的是8,然后图片总数是9万多张,设置了216个epoch。这算下来估计训练结束,需要10天左右吧,这把我自己坑的。然后周五的时候选择使用darknet进行训练。按照yolov3官网一步步的进行;训练时遇到的问题也挺多的,总结如下:1)把训...原创 2018-12-01 16:09:22 · 3937 阅读 · 0 评论 -
目标检测YOLOv5:数据增强
yolov5的数据增强代码来自两个地方:1.albumentations源码在utils/augmentations.py中,使用了albumentations这个库来处理数据增强,其中处理的细节可以自行搜索使用细节,要是环境中没有安装albumentations库,那么执行时就会跳过这块的数据增强,附源码查看:class Albumentations: # YOLOv5 Albumentations class (optional, only used if package is i原创 2021-11-18 13:45:40 · 10203 阅读 · 2 评论 -
目标检测 YOLOV5:loss介绍
BCEWithLogitsLoss和FocalLoss的源码和数学推理介绍原创 2021-11-18 11:34:56 · 6010 阅读 · 1 评论 -
仿射变换和透视变换
最近对场景图片做一些研究和矫正,所以对仿射变换和透视变换有些了解,然后把自己的使用过程分享如下1.仿射变换作用:提高识别的效果;如:在ocr字符识别的第一步会将文字区域进行矫正;实施该方法的前提:有外接四边形的四个坐标点,如果标签是矩形,那么就没有办法进行矫正了;样例图片:目标是将车厢上边缘处理为水平原图,知道车厢的四个坐标点:实施代码:方法一:找到合适的角度将车厢上边缘放平:def dumpRotateImage(self, img, degree).原创 2021-10-21 14:52:35 · 350 阅读 · 0 评论 -
目标检测中训练样本的处理技巧
1.统一图片尺寸实际使用案例:在训练yolov5过程中,收集到的图片尺寸有两种1920*1080和640*480;实际使用的场景是640*480,可以将所有图片尺寸缩放到640*480,同时要注意缩放过程中,目标尺寸不要失真;具体操作过程中,可以先观察真实场景数据,然后在对大尺寸图片进行处理;本案例中,就发现1920*1080的图片内容在宽方向图内背景内容更多,而高方向图像内容和640*480的图像内容是相似的,所以就对图像的宽进行裁剪;在裁剪之前先将1920*1080的图片等比例缩放至853*480,原创 2021-10-15 16:25:10 · 3267 阅读 · 0 评论 -
yoloV5训练过程中遇到的问题
目录数据处理问题1.报错:WARNING: No labels found in XXX/imageset.cache.2.报warning:yolov5 Ignoring corrupted image and/or label .jpg: negative labels3.报warning:yolov5 Ignoring corrupted image and/or label .jpg: duplicate labels数据处理问题1.报错:WARNING: No la..原创 2021-10-15 11:18:51 · 8917 阅读 · 3 评论