目标检测
文章平均质量分 83
qq_30362711
话痨
展开
-
YOLOF和DEFCN记录
共同的改进点1 box assign 问题原来的目标检测在遇到多个目标靠近时,其生成target 预测结果的流程有问题。由于是个for循环生成target,因此有可能直接将一部分不为0的box覆盖掉。而yolof和defcn都考虑了此问题,采用了匈牙利匹配算法来解决此问题。采用了匈牙利匹配算法后,无需担心覆盖掉的问题。2 多尺度问题yolov4和v3这些都存在使用base net 不同深度的特征来预测不同大小的物体。但是yolof实验证明不需要这么复杂。因此yolof第一网络结构更直接简单,原创 2021-06-30 11:20:44 · 392 阅读 · 0 评论 -
MAP学习记录
主要参考https://github.com/rafaelpadilla/Object-Detection-Metrics名词解释预测结果分为4个类:TP:你的预测正确的预测了目标FP:你的预测错误的预测了目标FN:有一个目标你没检测到TN:你正确的对非目标,也即是背景做出预测,一般这一项忽略名词解释:precision描述了你的所有的预测的正确率是多少。比如说...原创 2019-10-11 11:37:31 · 110 阅读 · 0 评论 -
基于视频的目标检测
2017 Flow-Guided Feature Aggregation for Video Object Detection这个论文中说,他之前的论文,用cnn提取出特征后,利用相邻帧的特征来补充当前帧的特征。而他采用了利用网络来做这个事情,提出一个网络,训练这个网络来合并、补充特征,再将完善后的特征图用来目标检测。2018Object Detection in Video with Spatiotemporal Sampling Networks这个论文中基于前面那个,提出利用deformabl原创 2020-11-10 14:52:20 · 331 阅读 · 0 评论 -
yolov4学习记录
#YOLOv4采用的优化方法##activationActivations: ReLU, leaky-ReLU, parametric-ReLU,ReLU6, SELU, Swish, or Mish论文中采用Mish,实验验证的。原创 2020-05-18 13:18:23 · 221 阅读 · 0 评论 -
object detection目标检测阅读记录
1,一开始,利用神经网络以滑动窗口的形式对图片进行目标检测,如overfeat。其原理即是用不同大小的窗口在图片上滑动,每个窗口对应一个待检测类别元素的正确率。2,接下来的方法是rcnn方法,此方法先利用传统的图像分割技术对图像进行轮廓分割,再对每个分割出的部分用神经网络进行计算其正确率,此方法大部分论文对其的指责就是其运行速度太慢。bound box regression:rcnn...原创 2019-03-12 17:45:16 · 165 阅读 · 0 评论 -
retina_net训练记录
学习率0.08[[2.8720347804407917, 0, "2019-04-04-19 18:38:33"], [2.263864836385173, 10, "2019-04-04-19 19:13:26"], [2.0282580121870963, 20, "2019-04-04-19 19:48:22"], [2.35884508778972, 30, "2019-04-04-1...原创 2019-04-15 13:31:49 · 222 阅读 · 0 评论