计算机视觉
爱吃糖的茄子
就让这风,听从吾之力吧!
展开
-
YOLOV1-V2
文章目录yolov1设计思想yolov1设计思想YOLO将输入图像分成SxS个格子,若某个物体 Ground truth 的中心位置的坐标落入到某个格子,那么这个格子就负责检测出这个物体每个单元格预测...原创 2019-01-28 22:16:20 · 658 阅读 · 0 评论 -
keras-yolov3代码解读
文章目录model.pyyolo_head函数preprocess_true_boxes函数yolo_loss函数看了几天,大概看懂了工程https://github.com/qqwweee/keras-yolo3的代码,记录一下关于yolov3理论,推荐这篇博文:https://blog.csdn.net/leviopku/article/details/82660381 [1]自己写的...原创 2019-02-22 16:15:10 · 6511 阅读 · 32 评论 -
GoogLeNet
设计初衷1.多卷积核增加特征多样性(专知课程的说法)2.基本思想是inception网络不需要人为决定使用哪个过滤器,或是否需要池化,而是由网络自行确定这些参数(NG说法)V1 inception分析:1.因为经过pooling层,channel个数是不会减少了,所以随着网络更深,channel数会很多,导致计算复杂度过高2.因为经过多个卷积核,计算量肯定比单个类型卷积核计算量要大...原创 2019-02-26 21:09:40 · 192 阅读 · 0 评论 -
目标检测trick实验和代码解析(基于yolov3)
focal loss实验结果不work,分析中……代码解析参考:https://github.com/fizyr/keras-retinanet/blob/master/keras_retinanet/losses.py发现α\alphaα分配给正负样本的不一样,一直以为α\alphaα是为了调节置信度损失和其他损失(比如回归损失)的比例的,果然看懂论文和看懂代码是两件不相干的事情关...原创 2019-03-29 18:32:07 · 517 阅读 · 1 评论 -
[论文阅读]Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
文章目录RPN( Region Proposal Networks)anchorsoftmax判定foreground与background参考资料RPN( Region Proposal Networks)可以看到RPN网络实际分为2条线,上面一条通过softmax分类anchors获得foreground和background(检测目标是foreground),下面一条用于计算对于anc...原创 2019-03-30 22:46:58 · 816 阅读 · 0 评论 -
yolov3详解
文章目录前言bouding box 回归Darknet 53 架构多尺度预测参考文献前言使用yolo v3有一段时间了,从最开始简单的工程使用,到后来代码和论文更深的理解,现在做个总结与回顾bouding box 回归和v2基本没有区别,依旧使用维度聚类v2使用sigmoid函数使得偏移值限制在这个范围内,网络每个预测框依旧预测出5个值tx,ty,tw,th,tot_x,t_y,t_w,t...原创 2019-03-31 20:15:04 · 1780 阅读 · 0 评论 -
[论文阅读]:Improving Object Detection With One Line of Code
soft nms在目标检测中,非极大值抑制是重要的组成部分,然而它存在一个问题:他会把相邻的边界框iou大于一定阈值的直接置成0,所以可能会导致丢框现象出现,会降低评测指标。论文提出的方法,是会降低和M iou大于一定阈值的score,还是会在rank list里,并不是直接删除A major issue with non-maxinmum suppresion is that it set...原创 2019-04-02 14:00:54 · 305 阅读 · 0 评论