计算机视觉
文章平均质量分 69
Mmm_Zzz
这个作者很懒,什么都没留下…
展开
-
针对目标检测的数据增强
前言图像的目标增强普遍的包含旋转,平移,镜像等等,比较新的包括cutout等,其实也是一种连续的dropout图像的增强在我的理解是一种正则,增强模型的泛化能力。从原始图像中得到新的数据在信息论角度还是不太可能。目标检测的图像增强跟普通的图像增强不同的地方是还得考虑bounding box如何进行相应的变化增强方式(持续更新)裁剪(会改变boundingbox): 普通的...原创 2018-08-17 23:54:45 · 10386 阅读 · 21 评论 -
focal loss论文笔记(附基于keras的多类别focal loss代码)
一.focal loss论文Focal Loss for Dense Object Detection二.focal loss提出的目的解决one-stage目标检测是场景下前景和背景极度不平衡的情况(1:1000)让模型在训练的时候更加关注hard examples(前景)。另外two-stage的检测器是用一下两个方法来解决类别不平衡问题的: 提取候选框的过程实际上...原创 2018-08-15 21:16:02 · 12491 阅读 · 5 评论 -
图像上采样:双线性插值,Deconv,Spatial transform
一.图像下采样的方法双线性插值Deconv,反卷积Spatial transform二.具体细节1. 双线性插值首先根据以下式子来计算目标像素在源图像中的位置,一般srcX和srcY是浮点数。比如f(1.2,3.4)这个像素点是虚拟存在的。1. 按比例对应srcX = dstX * (srcWidth/dstWidth)srcY = dstY * (src...原创 2018-09-16 18:14:07 · 3113 阅读 · 0 评论 -
RFCN论文阅读笔记
论文地址R-FCN: Object Detection via Region-based Fully Convolutional Networks内容经典的基于区域的检测器faster-rcnn,可以看成以ROI pooling为界的两个部分组成的网络: 一个部分是ROI pooling层之前的特征提取部分以及RPN候选框提取部分,该部分计算共享;另外一个部分是ROI之后,用于目标检测...原创 2018-10-09 23:08:38 · 1538 阅读 · 0 评论