目标检测
目标检测
aisuperdoger
这个作者很懒,什么都没留下…
展开
-
yolov1~v5的介绍
0. 计算机视觉参考:https://zhuanlan.zhihu.com/p/94986199https://zhuanlan.zhihu.com/p/32525231https://www.bilibili.com/video/BV1yi4y1g7ro?from=search&seid=15480272248284580243计算机视觉,图像分类是计算机视觉最基本的任务之一,但是在图像分类的基础上,还有更复杂和有意思的任务,如目标检测,图像分割等,见下图所示。其中目标检测是一件比较实际的原创 2021-09-08 08:58:20 · 542 阅读 · 0 评论 -
PASCAL VOC2012数据集与制作自己的数据集
PASCAL VOC2012数据集与制作自己的数据集官网:https://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html#devkit官网进不去的话,这个博客https://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html#devkit中提到用这个镜像下载数据集https://pjreddie.com/projects/pascal-voc-dataset-mirror/PASCAL VOC201原创 2021-09-08 09:50:47 · 304 阅读 · 0 评论 -
MOT数据集格式
参考:https://blog.csdn.net/yuanlulu/article/details/79818599https://blog.csdn.net/sinat_17196995/article/details/57946708https://zhuanlan.zhihu.com/p/391396206两个标注文件:det目录:det目录下只有一个det.txt文件,每行一个标注,代表一个检测的物体。内容摘抄为:1,-1,1359.1,413.27,120.26,362.77,2.3原创 2021-09-08 09:49:58 · 2532 阅读 · 6 评论 -
目标检测综述
目前主流的目标检测算法主要是基于深度学习模型,其可以分成两大类:(1)two-stage检测算法,其将检测问题划分为两个阶段,首先产生候选区域(region proposals),然后对候选区域分类(一般还需要对位置精修),这类算法的典型代表是基于region proposal的R-CNN系算法,如R-CNN,Fast R-CNN,Faster R-CNN等;(2)one-stage检测算法,其不需要region proposal阶段,直接产生物体的类别概率和位置坐标值,比较典型的算法如YOLO和SSD。原创 2021-09-08 09:02:20 · 164 阅读 · 0 评论 -
cv的评价指标
typora-copy-images-to: 评价指标_img1.MAP参考:https://www.bilibili.com/video/BV1ez4y1X7g2https://www.zhihu.com/search?type=content&q=maphttps://www.bilibili.com/video/BV1zE411u7Vw?from=search&seid=104247109466485585291.1 一些名词的解释TP: IoU>0.5的检测框数.原创 2021-09-08 09:57:38 · 532 阅读 · 0 评论 -
yolo实战资源
YOLOv5+DeepSort+Pytorch实现目标跟踪(b站)YOLOv5的详细使用教程(csdn)原创 2021-09-08 09:01:02 · 80 阅读 · 0 评论 -
tensorflow官方提供的目标检测与分类API
1.tensorflow官方提供的目标检测与分类API在https://github.com/tensorflow/models中的research文件中有各种各样的API,在research文件夹中,slim文件夹是图像分类API,object_detection是目标检测API,就是拿来就能用的API最好看文件夹中提供的官方文档来使用这些API,也可参考以下两篇CSDN(优先看官方教程):https://blog.csdn.net/qq_37541097/article/details/1013原创 2021-09-08 09:51:27 · 273 阅读 · 0 评论