qq_33270279的博客

深度学习全功能开发平台1. 微软 computervision-recipes平台基本情况框架：PyTorch简介地址：https://mp.weixin.qq.com/s/InFCT7CCGmHDly-IQcOqnA开源地址：https://github.com/microsoft/computervision-recipes计算机视觉方向包括图像分类、图像相似度计算、目标检测、物体及人体关键点检测、图像分割、动作识别、目标跟踪、拥挤人群计数等计算机视觉热门方向Scenar

yolov3源码解析-输出特征的存储方式缘由：最近在做darknet训练的yolov3模型转化成tensorlite模型的过程中，发现转换后的结果和转换前的结果不一致。此时需要排查三个输出节点的特征图信息是否一致，所以分析了darknet源码，并做此记录。源码：添加中文注释的地方为特征信息的打印，可根据打印信息分析特征的一致性问题。int get_yolo_detections(layer l, int w, int h, int netw, int neth, float thresh, int

目录基于深度学习的立体匹配1. 背景2. 解决方案2.1监督学习算法2.1.1 PSM-Net2.1.2 EdgeStereo2.1.3 GwcNet2.1.4 GA-Net2.1.5 SSPCV-Net2.1.6 WSM-Net3. 算法验证及落地思考3.1 算法的复现3.2 Middleburry v3 评估3.3 落地思考基于深度学习的立体匹配1. 背景传统的立体匹配算法多围绕损失计算...

resnet的演化（res2net，resnext，se-resnet，sk-resnet，resnest）1. 总体演化过程演化方向主要为两种： split-transform-merge、squeeze-and-attention。split-transform-merge：通过卷积的可分离性质，增加网络宽度，从而在不增加算力的情况下增加网络的表征能力（不同维度通道特征的融合）。squ...

文章目录pytorch_yolov3 loss函数设计解决样本不均衡问题描述原始loss函数loss函数的重新设计1.不同属性间比重：2.不同类别样本比重：3.不同类别Ap：4.难例挖掘：5.正负目标的匹配策略：pytorch_yolov3 loss函数设计解决样本不均衡问题描述1.样本量类别间不均衡导致MAP过低（占比较低的类别AP值接近于0）。2.正负样本比例失衡，导致检出率过低。原...

pooling层一些被遗忘的特性1. pooling层锚点位置pooling层的kernel Size多为奇数，其锚点为中心点，那当为偶数时呢？pooling的掩码宽高分别为W、H，锚点与掩码的关系如下：当W为奇数，H为奇数，则锚点位置（(H-1)/2, (W-1)/2）当W为奇数，H为偶数，则锚点位置（(H-2)/2, (W-1)/2）当W为偶数，H为奇数，则锚点位置（(H-1)/2...

文章目录信号灯标志牌公开数据集整理及思考1.1 信号灯类别概览1.2 信号灯公开数据集1. Bosch Small Traffic Lights Dataset数据描述2. DriveU Traffic Light Dataset数据描述3. LaRaTraffic Lights Recognition数据描述4. LISA Traffic Light Dataset数据描述5. WPI Traf...

文章目录yolov3-spp深度剖析1 网络结构2 spp的前世今生3 效果验证yolov3-spp深度剖析1 网络结构yolov3-spp网络结构如下图：spp模块结构如下图：网络结构中spp的具体实现：#darknet中的cfg文件...### SPP ###[maxpool]stride=1size=5[route]layers=-2[maxpool]s...

文章目录YOLO发展概述YOLO v1~v3的设计历程Yolov11. 核心思想2. **网络结构**3. Loss函数4. 训练过程5 .总结Yolov21. 核心思想2. 网络结构3. Loss函数4. 训练过程5. 数据增强6. 总结Yolov31. 核心思想2. 网络结构3. loss 函数4. 训练过程5. Darknet框架# Y...

文章目录NMS详解及pytorch实现:hard-nms(diou\overlap\merge\batched),soft-nms1 简介2 原理3 实现3.1 伪代码3.2 pytorch源码3.3 知识点参考资料NMS详解及pytorch实现:hard-nms(diou\overlap\merge\batched),soft-nms1 简介非极大值抑制算法（Non-maximum sup...

文章目录darknet/pytorch-yolov3解决梯度爆炸现象与原因：解决思路：pytorch-yolov3框架限制函数如何使用darknet-yolov3框架限制函数如何应用darknet/pytorch-yolov3解决梯度爆炸现象与原因：现象：梯度爆炸是深度学习中十分常见的现象，有时会导致寻优过程不收敛，或者算出来的结果干脆直接溢出，例如在训练过程中出现大面积的nan或者-na...

文章目录图像增强工具Augmentor介绍1 介绍1.1 特点1.2 操作举例2 使用说明2.1 安装2.2 命令使用3 功能介绍3.1 旋转操作rotate90:rotate180:rotate270:rotate_random_90:rotate:rotate_without_crop:3.2 镜像操作flip_top_bottom:flip_left_right:flip_rando...

yolov3 loss函数探索（二）：diou/ciou-darknet1.简介IOU：IOU损失考虑检测框和目标框重叠面积。GIOU：GIOU损失在IOU的基础上，解决边界框不重合时的问题。DIOU：DIOU损失在IOU的基础上，考虑边界框中心距离的信息。CIOU：CIOU损失在DIOU的基础上，考虑边界框宽高比的尺度信息。GIOU相关资料：yolov3中loss函数的探索（一）：...

文章目录环境搭建：1. 下载YOLOv3工程项目2. 修改Makefile配置模型训练1. 准备训练数据集2. 下载Imagenet上预先训练的权重3. 修改cfg/voc.data4. 修改data/voc.name为样本集的标签名5. 修改cfg/yolov3-voc.cfg6. 多尺度训练7.多GPU训练8. 开始训练模型测试评估及样本的预标注1. 测试2. c接口模型评估3...

pytorch-yolov3实现子batch功能1.darknet-yolov3的子batch前言cfg文件中：batch=64subdivisions=16batch：更新权重和偏置的基本单位batch/subdivisions：前向传播、反向传播的基本单位具体分析请往下看…分析下面以batch=64，subdivisions=16为例，并结合代码来分析它们的真实意思。首先...

res2net-yolov3的实现1.res2net详解论文：https://arxiv.org/pdf/1904.01169.pdf1.简介：近日，南开大学、牛津大学和加州大学默塞德分校的研究人员共同提出了一种面向目标检测任务的新模块Res2Net，新模块可以和现有其他优秀模块轻松整合，在不增加计算负载量的情况下，在ImageNet、CIFAR-100等数据集上的测试性能超过了ResNe...

yolov3模型参数的初始化预训练模型初始化1.主干网络完成一致（包含结构以及通道数量等）。2.任务尽可能相似的模型作为预训练模型，效果较好。3.手动裁剪的网络结构，可以对应的减掉相应的权重文件作为与训练模型（理论上可行，效果待验证）。其他参数初始化权重初始化的参考：https://blog.csdn.net/jningwei/article/details/78835390全零初始...

目标检测AP值大于1的原因最近在训练pytorch-yolov3模型模型的过程中，模型评估时，某些类别的AP值会大于1，根据自己的常识，一直认为计算AP的方法存在问题，但是并不是。原因请往下看。计算AP的方法：详情请参考：https://blog.csdn.net/qq_35916487/article/details/89076570预备知识IOU：两个目标框的交并比目标框定义：...