- 博客(11)
- 收藏
- 关注
RSS订阅原创 【目标检测】绘图——将目标框绘制在图像（PIL）
【目标检测】绘图——将目标框绘制在图像（PIL）前言准备绘制代码PIL效果图前言近期在做目标检测的项目，除了算法流程本身，我发现可视化也能极大的加深对整个pipeline的理解，因此想借这篇博客记录一下在目标检测项目中的绘图注意点。准备图像集标注txt文件，格式：img_path box1(x1,y1,x2,y2,cls_id) box2(x1,y1,x2,y2,cls_id)...class的txt文件，每一行为class_name绘制代码PILdef get_classes(
2022-04-13 18:45:09
6121
1
原创 基于Faster-rcnn的安全帽检测（使用Colab进行训练）
基于Faster-rcnn的安全帽检测（使用Colab进行训练），由于电脑配置不够，又想对目标检测能够有一些实战经历，因此费了不少时间和精力终于在Colab成功跑通了这份代码。
2022-03-22 23:16:58
1576
8
原创 Colab使用小结（持续更新）
用colab跑一些小应用还是挺香的，因此借此博客记录一下使用过程中的经验。上传文件慢如果直接在网页版谷歌云盘上传文件夹的话会很慢，而且经常会中断。有人说上传zip文件会快很多，但是最后还是要在云盘进行解压还是挺费时间的。我的方法是：下载谷歌云盘客户端，然后会生成下图的一个单独的盘，把要上传的文件移到这里。然后点开桌面底部谷歌云盘小标，等待一会直到本地云盘的内容同步更新即可。no file or directory在云盘但凡涉及到路径的，一定要使用绝对路径，不能用相对路径。我的方法是：获得项
2022-03-10 22:32:18
1239
2
原创 关键点检测一：HRNet数据预处理（MPII）
关键点检测一：HRNet数据预处理（MPII）前言HRNet源码数据预处理目录位置源码分析JointsDataset类`__init__``_get_db``half_body_transform``__getitem__``get_affine_transform``generate_target`前言最近在做考场行为分析的一个项目，其中我负责的是使用关键点检测算法来进行考生异常行为检测。之前只接触过分类算法，写与看的代码也只限于分类任务。而检测任务工程量太大，因此在看官方源码时非常的吃力，因此希望写
2021-12-20 15:15:05
5739
25
原创 Sipakmed：a new dataset feature and image based classification of cervical cells——记一次复现论文经历（一）
最先使用的是Image features是因为我个人比较熟悉，所以先做的那个，后来把cell featurs 和deep features的也做了，涉及到了svmcell features首先看一下数据文件。五类细胞分为细胞质和细胞核特征。每个dat文件有28列，其中，第一列是这个特征所属的细胞块图像编号，第二列是该细胞块图像的细胞编号（一张细胞块图像里有多个细胞），这两列不属于特征，所以在训练的时候要把这两列去掉。...
2020-08-02 15:52:27
689
4
原创 Sipakmed：a new dataset feature and image based classification of cervical cells——记一次复现论文经历（四）
Image features 训练代码目前还只做了这个 Image features的实验import torchimport torch.utils.data as Dataimport torch.nn as nnimport numpy as npimport torchvisionfrom torchvision import datasets,transforms#hyper parametersEPOCH = 80BATCH_SIZE=50LR = 0.0001tra
2020-07-26 21:49:22
582
2
原创 Sipakmed：a new dataset feature and image based classification of cervical cells——记一次复现论文经历（三）
Evaluation on sipakmed一、理论分析这一部分主要是说论文的评估策略。我第一次看以为这个5-folder是五个目录下的数据进行验证，太天真了。这里的5-folder cross validation是五折交叉验证的意思：把所有的数据等分为五份（因为是五折，如果是十折就是十份）每一次选这五份中的一份作为测试集，剩下的就是训练集直到每份都作为了一次测试集也就是说，所有的数据被训练了五次，最后用五次测试的平均精度来评估模型二、代码（纯python）数据集目录现
2020-07-26 21:48:25
643
1
原创 Sipakmed：a new dataset feature and image based classification of cervical cells——记一次复现论文经历（二）
3.2 Image Featurescell Features部分要用到SVM和MLP，我不太熟悉就先没做这个实验。这一部分说的是对Image Features的训练策略：包括网络、超参数、数据处理等。CNN网络：VGG19，输入：80*80损失函数：cross-entropy loss优化器：SGD超参数：batch_size = 50, lr = 0.0001数据增强：每一张图片 水平、垂直、水平垂直翻转后多了3张，也就是数据增强后的数据集总量是原来的4倍了。...
2020-07-26 21:47:44
657
7
原创 Sipakmed：a new dataset feature and image based classification of cervical cells——记一次复现论文经历
Sipakmed：a new dataset feature and image based classification of normal and pathological cervical cells in pap smear images论文链接数据集链接如果下载慢可以私信我。
2020-07-26 21:46:54
1247
4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人