qq_33228039的博客

数据的增强和验证

详细分解yolov8代码，使得小白也能弄懂yolov8的训练全过程

旋转目标检测终于可以应用在实际项目上了

我们发现paddledetection只是修改配置文件就可以训练，在代码是怎么实现的，yaml为什么可以自动实例train.py 132行 开始加载配置文件paddet/core/workpace.py这段代码很简单，就是检测配置文件的扩展名，然后加载，加载是写在下面的函数的这段代码也很简单，就是循环加载配置文件，因为paddle的配置文件之中是包含多个配置文件的。最主要的是这句然后把加载的配置文件，其实就是生成的实例放在全局的字典里这个函数很简单就是放在全局字典首先要知道yaml是可以通过实例生

import torch.nn as nnimport torchimport torch.nn.functional as Ffrom typing import Listimport utils.det_utils as det_utilsimport torchvision@torch.jit.unuseddef _onnx_get_num_anchors_and_pre_nms_top_n(ob, orig_pre_nms_top_n): # type: (Tensor,.

https://www.zhihu.com/question/37608201/answer/72766337https://www.zhihu.com/question/31128857/answer/21834742801.指针和引用1.1定义C++primer中对 对象的定义：对象是指一块能存储数据并具有某种类型的内存空间一个对象a，它有值和地址&a，运行程序时，计算机会为该对象分配存储空间，来存储该对象的值，我们通过该对象的地址，来访问存储空间中的值指针p也是对象，它同样有地址&.

1.keras 下模型转onnximport osimport sysimport numpy as npimport skimageimport onnximport keras2onnxfrom mrcnn.config import Configfrom mrcnn.model import BatchNorm, DetectionLayerfrom mrcnn import model as modellibfrom mrcnn import visualizefrom

#include "opencv.hpp"#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/opencv.hpp>#include <cuda_provider_factory.h>#include <onnxruntime_c_api.h>#include <onnxruntime_cxx_api.h&

1.网络结构图2.FPN 特征金字塔https://mp.weixin.qq.com/s?__biz=MzA4MjY4NTk0NQ==&mid=2247485130&idx=2&sn=c69c07b5f8c268be52145b030a96b605&scene=21#wechat_redirect多层次特征融合3.PANPAN 是FPN 升级版 ，红色的线表示通过FPN获取的特征 ，绿色的线只通过几层就可以获取浅层信息，确保浅层信息的完整https

1.DenseNetimport torchimport torch.nn as nnimport torch.nn.functional as Ffrom torchsummary import summaryclass BN_Conv2d(nn.Module): def __init__(self,in_channels,out_channels,kernel_size,stride,padding,dilation=1,groups=1,bias=False): su

yolov5代码梳理1.yolo.py2.layers.py3.general1.yolo.pyimport torch.nn as nnimport yamlimport argparseimport loggingfrom pathlib import Pathimport sysfrom copy import deepcopyfrom layers import *from utils.general import *sys.path.append(Path(__file__

1.vgg16# coding=utf-8"""__project_ = 'Backbone'__file_name__ = 'VGG16'__author__ = 'WIN10'__time__ = '2020/5/26 11:44'__product_name = PyCharm"""import numpy as npfrom keras.models import Modelfrom keras.layers import Flattenfrom keras.layer

1.deeplab 源码地址https://github.com/tensorflow/models在reserach/deeplab（1）下载源码git clone https://github.com/tensorflow/models.git（2）在/research/路径下，加入slim路径export PYTHONPATH=$PYTHONPATH:`pwd`:`...

1.总结：1.mask rcnn 是object dection和semantic segmentation的结合参考：https://blog.csdn.net/wangdongwei0/article/details/83110305#1%E3%80%81Introduction2.相比于FCIS，FCIS使用全卷机网络，同时预测物体classes、boxes、masks，速度更快...

1.RPNrpn就是把卷积得到特征图返回去找到感兴趣区，我们最后得到的特征图是w*h大小，假设有k个ancher，那么每个特征图中点对应原图中的那个点，加上ancher（也就是感兴趣区的大小），这样就在原图中找到了一个搜索框，那么就是在原图中找到了k*w*h个搜索框，图中一个点对应9个anchor ，整幅图的ancher就是下图中红色的圆圈这样k*w*h个搜索框对应，每个框是否有物...

1.普通的卷积操作假设S=1,P=1，输入DF*DF*M ,卷积核是DK*DK*M*N ,输出是(DF-DK+3)*(DF-DK+3)*N .其中计算量是DK*DK*M*N*DF*DF2.我们使用depthwise convolution，针对每个输入通道采用不同的卷积核，就是说一个卷积核对应一个输入通道假设S=1,P=1.输入DF*DF*M ,卷积核是DK*DK*M,输出是(D...

拖了很久采写1.Fast-RCNN总结：参考论文https://blog.csdn.net/shenxiaolu1984/article/details/51036677https://www.jianshu.com/p/fbbb21e1e390参考代码：https://github.com/Liu-Yicheng/Fast-RCNN1.根据SPP-NET中空间金字塔的原理，采...

SPP-NET总结：详细介绍参考：https://blog.csdn.net/v1_vivian/article/details/73275259代码参考：https://www.01hai.com/note/av1172321.CNN中fc层不能接受不同大小的特征向量，空间金字塔池化(Spatial Pyramid Pooling）可以解决这个问题。（1） ⌊⌋:向下取整符...

代码参考https://blog.csdn.net/u014796085/article/details/83931150#_11下载的数据集使用matlab分割，自己写了一个17flowers 数据集分割python方法import osimport shutilpath = 'C:/Users/Administrator/Downloads/17flowers/jpg'f...

最近感觉学习没有动力，主要是学习不做笔记也不跑代码，没有成就感就不能检测。1.读论文，做笔记2.跑一下代码，记录一下步骤和遇到的问题。目标检测的目录有人整理好了，我就按照这个线路记录下去https://github.com/amusi/awesome-object-detection#r-cnn...

1.目标识别的概括https://www.cnblogs.com/guoyaohua/p/8994246.html2.faster r-cnnhttps://www.cnblogs.com/wangyong/p/8513563.html3.边框回归https://blog.csdn.net/zijin0802034/article/details/77685438/...

文章目录一、标记数据二、修改mmdetection配置文件1.修改dataset文件2.修改模型类别3.修改coco类别训练TIPS1.出现错误 ValueError: need at least one array to concatenate2.修改加载原来的权重3.修改学习次数一、标记数据使用labelme create rectangle 标记矩形物体使用labelme 文件下的 labelme2coco 把标记好的多个json转换成1个json注意：需要labels.txt文件py

1.DOTA数据集下的各种方法。https://github.com/SJTU-Thinklab-Det/DOTA-DOAI2.NVIDIAhttps://github.com/NVIDIA/retinanet-examples3.yangxue旋转检测框架https://github.com/yangxue0827/RotationDetection4.R3Det（mmdetection）https://www.bilibili.com/video/BV1jX4y1M7ga

FPN(Feature Pyramid Networks for Object Detection)特征融合目的是把低层次高分辨率的信息和高层次强语义的信息结合起来，提高检测性能和小目标识别。https://zhuanlan.zhihu.com/p/1032632152.双线性插值ROI Align解决图像下采样的时候精度损失的问题。https://www.cnblogs.com/yssongest/p/5303151.htmlhttps://blog.csdn.net..