目标检测
dadaHaHa1234
电子科技大学本硕博,即将毕业走向社会的科研民工。热爱技术,热爱计算机视觉。
展开
-
mmdetection的ResNet讲解
配置文件中:5 backbone=dict( 6 type='ResNet', 7 depth=101, 8 num_stages=4, 9 out_indices=(0, 1, 2, 3),10 frozen_stages=1,11...原创 2020-03-17 15:42:47 · 1963 阅读 · 0 评论 -
使用tensorboard查看保存在服务器上的数据
当数据保存在服务器上时,且我们只能通过shell与服务器建立联系时,我们无法在服务器上的网页中输入localhost:端口来查看tensorbaord保存的数据。所以,我们使用tensorboard时,指定端口号大于10000,然后再本机中输入 服务器ip地址:端口号 来查看。服务器:tensorboard --logdir=tf_logs/ --port=10009本机的浏览器:ip:...原创 2020-03-10 15:33:33 · 1251 阅读 · 0 评论 -
mmdetectiion中anchor的计算
mmdetection通过指定anchor_scales,anchor_ratios,anchor_strides来生成anchor。(1)我们网络最后需要的anchors是N*4的tensor,其中N是每个cell对应的anchor的数目,4是该anchor在原图中对应的左上角坐标和右下角坐标,我们根据这个坐标去对应的特征图中裁剪特征。为了得到一个feature_map中每个cel...原创 2020-03-08 21:25:58 · 881 阅读 · 0 评论 -
HRNet
Abstract问题:如何学习一个高分辨率的特征图?大多数网络是从低分辨率特征图中恢复高分辨率特征图,而我们的方法是在整个过程中始终维持高分辨率特征图。1.Introduction我们提出HRNet,在整个卷积过程中都一直维持分辨率的表示。We start from a high-resolution subnetwork as the first stage, gradu...原创 2020-03-05 18:33:51 · 357 阅读 · 0 评论 -
Trident : Scale-Aware Trident Networks for Object Detection
Abstract我们构造了一个并行的多分支结构,各个分支间共享参数,但是感受野不同。指定每个分支只采样对应的感受野进行训练。1. Introduction尺度问题的集中解决办法:我们的方法:通过空洞卷积,不同barnch共享相同的网络结构和网络参数,但每个分支有不同的感受野。为了避免极端大小的图片送入分类回归器,我们从感受野角度,让每个分支检测某一范围的尺度的目标。我...原创 2020-02-15 09:48:23 · 1212 阅读 · 0 评论 -
An Analysis of Scale Invariance in Object Detection – SNIP
转自链接:https://arleyzhang.github.io/articles/89e6ce5e/https://www.jiqizhixin.com/articles/2019-05-29-10重要的地方解析:CNN-Big:在224*224分辨率上训练的模型。在测试低分辨率图像时(如48*48,96*96等),直接上采样到224*224,然后用CNN-B训练好的模型训练。...原创 2020-02-14 10:14:26 · 242 阅读 · 0 评论 -
倾斜目标检测RRPN (Arbitrary-Oriented Scene Text Detection via Rotation Proposals)
RRPN可以采用一阶段的目标检测流程或二阶段的目标检测流程(Faster RCNN)一阶段的目标检测只需要计算RRPN IOU, 不需要ROI pooling,两阶段的需要计算RRPN IOU和RRPN pooling1.RRPN中的IOU计算(1)给定预测框和标注框的中心点坐标和宽高,角度。即region1和region2包含5个元素,(cx,cy,w,h,angle)fl...原创 2020-02-05 10:06:55 · 4192 阅读 · 0 评论 -
Prime Sample Attention in Object Detection
1.abstract目标检测时需要用anchor从整张图片中获得样本,这些样本对改善网络模型的表现的重要性是不同的。所以,我们需要从所有的样本中采样。GHM中,样本对模型改善的作用可以从梯度体现。该类别样本的梯度越大,对模型的影响越大。本文从常用的模型评估指标mAp的定义出发,指出了什么样的样本对提高模型的mAP比较重要。并提出了prime sample 的概念,并根据样本的重要性...原创 2020-01-30 19:57:19 · 1280 阅读 · 0 评论 -
深度学习中RGB图片归一化
PIL.Image.open读入的是RBG顺序,而cv2.imread读入的是BGR顺序.转为0-1之间的数据:img = img.astype(np.float32) / 255.RGB这3个通道的均值和方差为:img_mean=[0.485, 0.456, 0.406] img_std = [0.229,0.224,0.225]。...原创 2019-11-24 20:12:00 · 2616 阅读 · 0 评论 -
SSD
1.概述:SSD是单点多尺度检测,对6个特征图上的每一个cell都用4-6个anchor进行检测,检测非常密集。SSD结合了faster RCNN和YOLO。它沿用了YOLO中直接回归 bbox和分类概率的方法,同时又参考了Faster R-CNN,大量使用anchor来提升识别准确度。它利用了多层网络特征,而不仅仅是FC7。SSD的anchor不是每个位置的精调,是跟YOLO一样画网格,然后...原创 2019-11-21 21:36:22 · 147 阅读 · 0 评论 -
pycharm中出现debug pytest in怎么办
参考https://blog.csdn.net/weixin_41605937/article/details/82919430出现如下的界面,如果出现在python test就会出现上面的debug pytest in等情况,需要在python中调试该程序所以,需要选中in,而不是pytest in in.py修改运行模式:...原创 2019-11-05 09:43:02 · 2172 阅读 · 0 评论 -
YOLOv3的损失函数
损失函数的计算:读取图像和边界框,类别box = np.array([np.array(list(map(int,box.split(',')))) for box in line[1:]])#[[312 57 401 325 14][241 64 330 334 14][211 63 257 335 1...原创 2019-10-31 17:38:22 · 5370 阅读 · 2 评论 -
YOLOv1的label和损失
YOLOv1中的要预测的值,即label1.实际图片通过卷积层提取特征,变为7*7的grid,每个cell都有单独的真值confidence:如果目标的中心落在了该cell中,则该cell的confidence为1,否则为0。如果该cell的confidence为1,下面的坐标和class才有意义,否则下面的class都没有意义。labels[0][:,:,0]...原创 2019-10-31 00:46:05 · 1003 阅读 · 1 评论 -
非极大值抑制
参考https://www.cnblogs.com/makefile/p/nms.html思想:1.将每一个检测框的得分值排序,得到得分值最大的检测框,将该检测框记录下来2.然后其他计算所有的检测框与该框的IoU,将IoU大于阈值的检测框去除,IoU小于阈值的认为是不同的目标,则保留3.对剩下的检测框继续做上述的处理import numpy as npdef py_...原创 2019-10-27 12:13:14 · 153 阅读 · 0 评论