目标检测
爱吃肉爱睡觉的Esther
这个作者很懒,什么都没留下…
展开
-
Task06 - 场景案例显神通
数据可视化的图表种类繁多,各式各样,因此我们需要掌握如何在特定场景下使用特定的图表。数据可视化是为业务目的服务的,好的可视化图表可以起到清晰准确反映业务结果的目的,在选择使用何种图表时,通常我们需要首先考虑你想通过可视化阐述什么样的故事,受众是谁,以及打算如何分析结果。关于如何利用数据创造出吸引人的、信息量大的、有说服力的故事,进而达到有效沟通的目的,可以进一步阅读这本书《用数据讲故事》 4学习。本章将介绍不同场景适合的可视化图表类型,使用注意事项,以及如何用现成的绘图接口来呈现。我们将常见的场景分原创 2020-12-27 21:34:38 · 131 阅读 · 0 评论 -
不讲武德-炼丹与品尝
3.6、训练与测试3.6.1 模型训练前面的章节,我们已经对目标检测训练的各个重要的知识点进行了讲解,下面我们需要将整个流程串起 来,对模型进行训练。目标检测网络的训练大致是如下的流程:设置各种超参数定义数据加载模块 dataloader定义网络 model定义损失函数 loss定义优化器 optimizer遍历训练数据,预测-计算loss-反向传播首先,我们导入必要的库,然后设定各种超参数import time原创 2020-12-27 20:36:44 · 119 阅读 · 0 评论 -
Task03: 化劲儿-损失函数设计
3.5 损失函数3.5.1 Matching strategy (匹配策略):我们分配了许多prior bboxes,我们要想让其预测类别和目标框信息,我们先要知道每个prior bbox和 哪个目标对应,从而才能判断预测的是否准确,从而将训练进行下去。不同方法 ground truth boxes 与 prior bboxes 的匹配策略大致都是类似的,但是细节会有所不同。这 里我们采用SSD中的匹配策略,具体如下:第一个原则:从ground truth box出发,寻找与每一个ground tr原创 2020-12-22 23:12:10 · 147 阅读 · 0 评论 -
3.3 锚框 or 先验框
3.3.1 关于先验框在众多经典的目标检测模型中,均有先验框的说法,有的paper(如Faster RCNN)中称之为anchor(锚 点),有的paper(如SSD)称之为prior bounding box(先验框),实际上是一个概念。那么,为什么要有先验框这个概念呢?按理说我们的图片输入模型,模型给出检测结果就好了,为什么 还要有先验框?那么关于它的作用,我们不妨回顾一下前面在2.1节所说的那个目标检测最初的解决方 案,我们说,我们要遍历图片上每一个可能的目标框,再对这些框进行分类和微调,就可以完原创 2020-12-19 20:13:10 · 745 阅读 · 1 评论 -
两个年轻人-目标检测基础和VOC数据集
3.1 目标检测基本概念3.1.1 什么是目标检测目标检测是计算机视觉中的一个重要任务,近年来传统目标检测方法已经难以满足人们对目标检测效果的要求,随着深度学习在计算机视觉任务上取得的巨大进展,目前基于深度学习的目标检测算法已经成为主流。相比较于基于深度学习的图像分类任务,目标检测任务更具难度。具体区别如图3-1所示。图像分类:只需要判断输入的图像中是否包含感兴趣物体。目标检测:需要在识别出图片中目标类别的基础上,还要精确定位到目标的具体位置,并用外接矩形框标出。3.1.2 目标检测的思路自原创 2020-12-15 23:15:15 · 375 阅读 · 0 评论