![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
zhaohuan_1996
挣足够的钱 或者 沉迷学习
展开
-
建立网络,对pytorch学习
torch.max情况1:返回最大值情况2:返回torch.return_types.max,这里有两个维度,第一个维度是该向量的最大值,第二个维度是该向量最大值所在索引。假设有mxn的矩阵,则得到m个最大值和对应索引。==这样的好处,既可以找到最大值,又可以找到最大值所在索引。例子:outputs = net(im) # [1,10]predict = torch.max(outputs, dim=1) # 返回torch.return_types.max,这里有两个维度,第一个维度是该向量的.原创 2020-12-28 19:20:06 · 929 阅读 · 0 评论 -
Pycharm关于编译的问题- pydev debugger: process 5924 is connecting(process finished with exit code 139 ())
https://blog.csdn.net/weili_/article/details/82861755原创 2020-12-28 10:14:29 · 395 阅读 · 0 评论 -
分类模型评判指标 == 混淆矩阵Confusion Matrix
https://blog.csdn.net/Orange_Spotty_Cat/article/details/80520839原创 2020-12-22 10:22:56 · 188 阅读 · 0 评论 -
翻译--CenterNet-将目标看作点
文章目录摘要引言相关工作初步将物体作为点摘要检测将图片中的目标看作框,大多数成功的物体检测是穷尽物体可能存在的位置并对其分类,这是耗时的,无效的,并且保留多余的后处理过程。在本篇文章中,我们采用不同的方法。我们将一个物体看作一个点–物体它本身的框的中心点。我们的检测使用关键点预估来找到中心点并且对所有物体的特征进行回归。基于该方法CenterNet找到的中心点,与上诉基于候选框的检测方法有所区分,是端到端的,更简单的,更快的,更准确的。CenterNet在MSCOCO数据集上实现了速度与准确度的平衡,1原创 2020-12-19 22:08:27 · 367 阅读 · 0 评论 -
跑CenterNet,一运行test.py文件就报TypeError: initializer for ctype ‘struct THCudaDoubleTensor *‘ must be a po
https://github.com/CharlesShang/DCNv2/issues/1原创 2020-12-02 16:02:38 · 445 阅读 · 0 评论 -
方述诚-线性规划-LECTURE 3: GEOMETRY OF LP
文章目录一、Terminologies术语(统一)二、Background knowledge三、Graphic method四、Fundamental theorem of LP一、Terminologies术语(统一)feasible domain 可行域bound feasible domain 有界可行域二、Background knowledge1、一个等式就是一个超平面2、理解一个等式的几何意义举例,二维平面,x1-2x2=303、超平面的性质性质一:法向量和任意原创 2020-11-10 11:21:55 · 944 阅读 · 1 评论 -
方述诚-线性规划-LECTURE 2: PRELIMINARIES
文章目录一、Standard form LP二、Embedded assumptions三、Converting to standard form(转到标准形式,才能使用定义在标准之上的诸多工具)一、Standard form LP二、Embedded assumptions三、Converting to standard form(转到标准形式,才能使用定义在标准之上的诸多工具)举个例子:与标准式相比,差在哪儿?首先,得最小化目标函数,其次目标函数有绝对值,然后约束函数存在不等式(应原创 2020-11-09 20:59:22 · 378 阅读 · 0 评论 -
方述诚-线性规划-LECTURE 1: INTRODUCTION
文章目录一、What is Linear Programming?二、Why to study Linear programming?三、How to study Linear Programming?四、History of Linear Programming五、How to solve an LP problem?六、Where to go?includes:1、 theory and algorithms2、 mathematical analysis, theoremproving, al原创 2020-11-09 20:42:37 · 751 阅读 · 2 评论 -
方述诚--线性规划LINEAR PROGRAMMING
文章目录LECTURE 1: INTRODUCTIONLECTURE 2: PRELIMINARIESLECTURE 3: GEOMETRY OF LPLECTURE 4: SIMPLEX METHODLECTURE 5: DUALITY AND SENSITIVITY ANALYSISLECTURE 6: INTERIOR POINT METHODLECTURE 7: ROBUST LINEAR OPTIMIZATIONOutline• Course objective• Pre-requisite原创 2020-11-09 20:21:50 · 882 阅读 · 1 评论 -
目标检测数据集预处理
第一步:图片resize为512x512用resize.py:生成Pretreats_trainval文件夹第二步:打标签labtool用before.py:基于Pretreats_trainval文件夹,生成labels文件,里面是txt第三步:转化成xml用createXML.py:基于labels和Pretreats_trainval文件夹,生成Annotations文件,里面是xml第四步:生成训练集和测试集用creatTest.py:生成ImageSets文件夹,里面是trainval和te原创 2020-11-06 22:34:29 · 1186 阅读 · 1 评论 -
mobileNetV2 by pytorch
文章目录一、记录二、待完成三、代码一、记录1、首先检查安装的pytorch是否带cuda,如果没安装,就百度搜索安装方法,因为我是笔记本电脑,比较慢,我是在网站包里下载并安装的,包的地址:https://download.pytorch.org/whl/torch_stable.html2、tensorboard老是打不开,百度了一下原来是跑模型生成的参数文件的位置,是在当前目录下,所以用tensorboard --logdir=E:\myself\实验室\目标检测\project\DeepLizar原创 2020-11-05 17:45:42 · 983 阅读 · 0 评论 -
理解张量tonsor
由图可以得知:无方向的数值即标量为0阶张量;一个方向即向量为1阶张量;2个方向即矩阵为2阶张量;27个方向即立法体为3阶标量。但如果想一气呵成的理解张量,首先引入平面坐标系,它有两个基向量(x轴方向,y轴方向),在这个坐标系中的每一个向量都可由基向量构成,例如A=(1,2),向量A在x轴方向的基向量值为1,在y轴方向的基向量值为2,其中,1和2代表分量,分量就是在一个坐标系中,每个基向量上的数值,因此一个分量仅由一个基向量所表示,所以向量即是一维张量,但如果要描述3维张量,首先确定它有3^3=27个集方向原创 2020-10-16 20:04:38 · 577 阅读 · 0 评论 -
CUDA error: out of memory
The best way is to find the process engaging gpu memory and kill it:find the PID of python process from:nvidia-smicopy the PID and kill it by:sudo kill -9 pid原创 2020-10-10 14:59:18 · 154 阅读 · 0 评论 -
linux服务器中jupyter无法打开
背景:实验室的服务器有多个用户,我只是其中一个用户,权限很低,最近编程服务器一直开机,导致过多缓存未关闭,home目录磁盘溢出。某天再次从交互式命令窗口中输入jupyter notebook,一直无法打开,报些file找不到无法打开等莫名其妙的错误,然后用这条命令jupyter notebook --debug,查看jupyter的日志。如果被这些表面的错误牵着鼻子走,很可能解决一个问题又制造一个问题。思考问题:我觉得重启一下服务器肯定能解决我的问题,但是权限过低没法reboot,然后思考如何删除缓存,理原创 2020-10-08 10:44:20 · 1895 阅读 · 0 评论 -
理解目标检测的衡量指标mAP
文章目录一、IOU二、TP、TN、FP、FN三、precision and recall四、AP一、IOU计算anchor box与true box的交集/并集。得到该anchor box的置信度。如果人为设定一个阈值c,那么置信度大于等于c的是positive box,否则为nagative box。二、TP、TN、FP、FNT代表True,F代表false,P代表positive,N代表nagativeTP:检测器认为这是positive box且检测结果是正确的TN:检测器认为这是naga原创 2020-09-22 11:22:51 · 587 阅读 · 0 评论