![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 58
目标检测相关知识,前置知识和torch使用等等
微凉code
这个作者很懒,什么都没留下…
展开
-
mmcv解析
mmdetection原创 2023-04-27 14:04:55 · 854 阅读 · 1 评论 -
FGD针对目标检测的重点与全局知识蒸馏
针对目标检测的重点与全局知识蒸馏FGD代码部分原创 2022-07-28 22:18:09 · 1029 阅读 · 1 评论 -
Swim_transformer
Siwm_transformer原创 2022-05-13 14:47:01 · 2053 阅读 · 0 评论 -
anchor详解
anchor原创 2022-04-30 15:48:16 · 956 阅读 · 0 评论 -
utils小连招
NMS,mAP原创 2022-04-24 15:40:52 · 334 阅读 · 0 评论 -
yolov5代码阅读笔记2
yolov5的dataset和dataloader部分原创 2022-04-11 11:19:44 · 827 阅读 · 1 评论 -
从零开始dataset
目标检测的dataset首先我们需要先将数据集做一个整理的txt,文件叫做ann.txt吧首先是图片路径,xmin,ymin,xmax,ymax,类别最简单的dataset就构造出来了import numpy as npfrom torch.utils.data import Datasetfrom PIL import Imageclass MyDataSet(Dataset): # 初始化 def __init__(self,annotations_file):原创 2022-03-28 14:53:20 · 447 阅读 · 0 评论 -
从yaml文件中创建网络模型
从yaml文件中创建网络代码阅读原创 2022-03-24 10:38:03 · 2765 阅读 · 0 评论 -
yolov5代码阅读笔记1
yolov5代码笔记原创 2022-03-11 15:49:21 · 2852 阅读 · 0 评论 -
数据集转换
最近用到json格式数据集转成voc歌手,记录一下。coco转voc可在下面代码改动即可import os, sysimport globfrom PIL import Imageimport jsonimport cv2import randomout_xml_dir = 'xml/Annotations/' ###指向voc数据集的Annotations文件夹import pycocotools.coco as coco# (x1,y1,w,h)json_file = '..原创 2022-03-11 10:11:56 · 3754 阅读 · 0 评论 -
FasterRCNN_dataloader
本文代码来自于https://github.com/bubbliiiing/faster-rcnn-pytorch,b站视频https://www.bilibili.com/video/BV1BK41157Vs?p=1,本文仅作学习使用1.数据集划分加载的数据集为VOC2007,对其进行划分,(train+val):(test). ,训练只需要2007_train.txt and 2007_val.txtvoc_annotation.pyimport osimport randomimp.原创 2022-01-16 17:12:56 · 1698 阅读 · 0 评论 -
FasterRCNN_rpn
FasterRCNN整体的网络构造class FasterRCNN(nn.Module): def __init__(self, num_classes, mode = "training", feat_stride = 16, anchor_scales = [8, 16, 32], ratios = [0.5, 1, 2],.原创 2022-01-16 17:11:54 · 2247 阅读 · 0 评论 -
RCNN代码简单实现
本文代码来自于github(https://github.com/1297rohit/RCNN),可以去给原作者点个????,源代码使用了kears,现在主要使用pytorch实现了一遍。首先看RCNN需要做什么如上图所示,R-CNN这个物体检查系统可以大致分为四步进行:获取输入图像提取约2000个候选区域将候选区域分别输入CNN网络(这里需要将候选图片进行缩放)将CNN的输出输入SVM中进行类别的判定如果IOU后,候选框保留,在图片上标注本文语言使用pytorch1.输入和输原创 2022-01-12 21:51:14 · 9488 阅读 · 16 评论 -
dataset记录
dataset和TensorDataset,以及自定义dataset的使用import torchfrom torch.utils.data import Dataset,TensorDataset,DataLoaderimport numpy as npx=np.random.rand(10,2)y=np.random.rand(10,1)print(x.shape,y.shape)# 转成numpytrainx=torch.from_numpy(x)trainy=torch.原创 2022-01-12 12:36:24 · 392 阅读 · 0 评论