目标检测
苏打水的杯子
北航虚拟现实国家重点实验室博士研究生
展开
-
RegionClip复现总结
regionclip复现原创 2023-05-10 17:02:52 · 1062 阅读 · 1 评论 -
开集检测(open set detection)
由于Zero-shot learning和Few-shot learning两个领域是2015年左右提出的,因此发展速度还比较快,也有一些比较成熟的模型了,但Open set recognition是2020年之后才提出来的,虽然有一些算法已经开始出现,终究还是处于起步阶段,所以我期望看到开集识别有更成熟的方案被提出,我也会持续关注。然而开集识别要实现的是训练集和测试集的类别可以有一样,也可以有不一样的,但模型最终能在不提供任何辅助信息的情况下区分出已知类别,同时也能分辨出未知类别并作相应处理。原创 2023-04-23 00:03:55 · 1147 阅读 · 0 评论 -
零样本学习(zero shot learning)
举个例子(如图),训练集包括horse、donkey、hyena、tiger、penguin、panda六个类别,这六个类别中每两个类别有一些相同特征,比如tiger和hyena都有条纹,模型训练完后便会将这些特征量化。测试集只有斑马这一个类别,因此也只有一个类别描述——Zebra Descriptions(horse-like,stripe,black&white),每个描述会包含几个特征,此时当我们输入斑马的图片时,模型会把图片与测试集中所有的类别描述一一比对,符合描述所有特征的即为正确分类。原创 2023-04-23 00:02:19 · 642 阅读 · 0 评论 -
小样本学习(few shot learning)
Support Set指支撑集,支撑集的类别与训练集的类别不一样,同时每个类别提供的样本数量可以很少,甚至等于1(如图),这便是小样本学习名称的由来;举个例子,训练集有Husky、Elephant、Tiger、Macaw和Car五种类别,支撑集有Fox、Squirrel、Rabbit、Hamster、Otter和Beaver六种类别,训练集和支撑集的类别完全不一样,注意,训练后的模型只能区分支撑集里的类别,因为该模型学习的是如何区分两个图片中的物体(即比较相似度)。原创 2023-04-23 00:00:13 · 527 阅读 · 0 评论 -
detectron2问题实录
【代码】detectron2问题实录。原创 2023-03-30 18:03:44 · 337 阅读 · 1 评论 -
区间数量统计【柱状图】
【代码】区间数量统计【柱状图】原创 2023-03-30 18:00:20 · 255 阅读 · 0 评论 -
xml文件重新命名
目标检测xml文件重新命名。原创 2023-02-13 18:28:42 · 771 阅读 · 0 评论 -
狄利克雷损失函数实现(Dilichlet-evidential deep learning loss)
置信度深度学习,狄利克雷分布,不确定度,开集识别与检测原创 2023-02-13 18:04:01 · 351 阅读 · 0 评论 -
Detectron2——Faster RCNN 画损失函数曲线
画好看、清晰的faster rcnn的损失函数曲线(detectron2)原创 2023-02-13 17:49:12 · 837 阅读 · 0 评论 -
【推荐研究方向(1)】小样本开集目标检测(few-shot open-set object detection)
小样本开集目标检测,使用少量已知类样本训练模型,使得模型既能够检测小样本已知类又能够检测未知类物体。原创 2023-02-05 09:07:01 · 2093 阅读 · 2 评论 -
small-code: 目标检测将xml转化为csv
目标检测将xml转化为csv:import osimport globimport pandas as pdimport xml.etree.ElementTree as ETimport shutildef xml_to_csv(path): ### path存放xml文件路径 xml_list = [] for xml_file in glob.glob(path + '/*.xml'): print(xml_file) xml_lis原创 2022-05-13 15:44:26 · 330 阅读 · 0 评论 -
small-code: txt检测结果转化为csv
Kaggle竞赛,将txt检测结果转化为csv用于结果提交:import osimport globimport pandas as pddef txt_to_csv(path): ### path存放xml文件路径 txt_list = [] for txt_file in glob.glob(path + '/*.txt'): print(txt_file) id = os.path.basename(txt_file).split('.原创 2022-05-13 15:40:35 · 210 阅读 · 0 评论 -
torch编程-加载预训练权重-模型冻结-解耦-梯度不反传
1)加载预训练权重net = torchvision.models.resnet50(pretrained=False) # 构建模型pretrained_model = torch.load(path+'*.pth') # 导入预训练权重net.load_state_dict(pretrained_model, strict=False) # 将与训练权重载入模型2) 模型冻结3) 梯度不反传pytorch局部范围内禁用梯度计算,no_grad、enable_grad、set_g原创 2022-03-26 15:45:40 · 1345 阅读 · 1 评论 -
目标检测AP计算
一、查全率和召回率计算针对目标检测查全率和召回率计算:其中GT表示ground truth的数量。二、AP计算 假如目标类别为Dog,有5张照片,共包含7只Dog,也即GT(GroundTruth)数量为7,经模型预测,得到了Dog的10个预测结果,选定IoU_threshold=0.5,然后按confidence从高到低排序,如下图。其中,BB表示BoundingBox序号,GT=1表示有GT与所预测的BoundingBox的IoU>=IoU_threshold,...原创 2022-01-12 22:13:46 · 2358 阅读 · 0 评论 -
VOC数据集上自己训练FSOD: Few shot object detection
问题汇总:1、BrokenPipeError: [Errno 32] Broken pipe这个问题我直接将torch.utils.data.dataloader lines:185中的self.num_workers强制设置成12、FloatingPointError: Predicted boxes or scores contain Inf/NaN. Training has diverged.batch_size调大解决此问题。...原创 2021-10-04 20:22:04 · 1620 阅读 · 3 评论 -
YOLOv5手机andriod9.0成功部署-亲测可用
官方YOLOv代码:https://github.com/ultralytics/yolov5andriod手机不能直接使用pytorch训练的pt模型文件,因此需要转化为tflite模型。因为google针对移动端手机开发了tensorflow-Lite版。一、模型转化 pt>tflite1.下载zldrobit提供的转化代码:https://github.com/zldrobit/yolov5/tree/tf-android2. 创建虚拟环境 conda create -n yo.原创 2021-07-02 11:25:26 · 3807 阅读 · 12 评论