qq_48085469的博客

原创 暑期实训21组第一周个人工作总结

暑期实训21组第一周个人工作总结

原创 PaddleDetection代码解析之实现卷积神经网络的的函数（下）

2021SC@SDUSC接上一篇博客——PaddleDetection代码解析之实现卷积神经网络的的函数（上）　　​ 在上篇文章中，我们对paddlepaddle实现卷积神经网络的的函数简单介绍了一下。在上一篇博客里，我们调用了一个函数——simple_img_conv_pool，使用方式如下： ​conv_pool_1 = paddle.networks.simple_img_conv_pool( input=img, filter_siz...

原创 PaddleDetection代码解析之实现卷积神经网络的的函数（上）

2021SC@SDUSC经过这段时间对paddle源码的阅读，我对paddle里面关于实现卷积神经网络的部分的函数做了比较深入的思考与理解，并在这篇博客进行一个记录和分享。卷积神经网络是什么卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习的代表算法之一 。卷积神经网络具有表征学习（representation learning...

原创 PaddleDectection代码解析之尝试简化infer.py

2021SC@SDUSCPaddleDetection库是在PaddlePaddle基础上，将常见的目标检测模型集中到一起，方便训练和预测的代码库。便于快速上手使用。经过阅读PaddleDetection的整个项目结构以及大部分代码, 我发现infer.py这个文件是可以进行优化的, 于是在阅读了源码之后我希望不止于理解这么简单,而是着手对infer.py文件进行优化。但是，一旦涉及到对代码的优化，或者想要摘出代码某模块使用时，对代码内部行为的掌握就十分重要。而且该库的封装使用了python..

原创 PaddleDetection代码解析之Transformer encoder源码实现分析（下）

2021SC@SDUSC接我的上一篇博客：PaddleDetection代码解析之Transformer encoder源码实现分析（上）。依旧是对代码的解释在下面代码的注释中：MultiHeadAttentionLayer几个维度：self._emb_size = config['hidden_size'] # 768d_key=self._emb_size // self._n_head,d_value=self._emb_size // self._n_head..

原创 PaddleDetection代码解析之Transformer encoder源码实现分析（上）

2021SC@SDUSC经过阅读paddle的源码，我理解了动态图下的Transformer encoder源码实现，由于这个实现比较复杂，因此我将通过两个博客来对Transformer encoder的源码实现进行说明。Transformer的每个Encoder子层（bert_base中包含12个encoder子层）包含 2 个小子层 ：Multi-Head Attention Feed Forward（Decoder中还包含Masked Multi-Head Attention）​

原创 PaddleDetection代码解析之所遇到的问题及其分析

2021SC@SDUSC经过近一个学期对PaddleDetection的学习，我在阅读源码和进行PaddleDetection测试时，遇到了一些问题，并通过与小组成员讨论、上网查阅资料等方式逐一解决了。今天这篇博客就来记录一下到目前为止我都遇到了什么问题以及对问题的理解和解决方案。1.如何更好的理解reader和自定义修改reader文件# 每张GPU reader进程个数worker_num: 2# 训练数据TrainReader: inputs_def: num_max.

原创 PaddleDetection代码解析之训练部分解析

2021SC@SDUSC以下是PaddleDetection训练部分的代码，这部分代码比较重要，相对来说也比较难，我在反复阅读后还是对他有所了解且在代码的关键部分和难理解的部分加上了备注：train.py流程解析从程序入口开始（if name == ‘main’:）1.直接进入main函数初始化训练参数:①.parser = ArgsParser() #读取命令行传递参数,加载yaml文件参数 ②.将参数整合在一起，检查参数配置是否正确 ③.是否使用GPU加速 ④.查看padd

原创 PaddleDetection代码解析之配置文件分析

2021SC@SDUSC以下是PaddleDetection的配置文件的代码，我经过阅读后，在代码的关键部分和难理解的部分加上了备注：'''tree -f#显示显示完整路径tree -d#显示所有文件夹└── PaddleDetection #主目录 ├── configs #存放配置文件 │ ├──_base_ 各个模块配置 ├── dataset #存放数据集，数据集下载脚本，对应各数据集文件夹 │ ├── coco #80类 #物体

原创 PaddleDetection项目代码结构简介

PaddleDetection是一个相当方便的实验框架，将神经网络的各部分模块化，非常适合对神经网络架构进行改进优化。1. 项目目录挑几个重点的目录介绍configs 存放网络配置文件 ppdet 存放网络架构、backbone、head等文件 tools 存放训练、预测、验证脚本 dataset 数据集存放目录 output 当执行完训练之后，会生成output文件夹并存放训练好的可训练参数2. 神经网络的相关代码结构关系举例说明假如想要了解mask-rcnn(backbo

原创 PaddleDetection目标检测之水果检测（下）（yolov3_mobilenet_v1）

关于PaddleDetection的第六篇博客

原创 PaddleDetection目标检测之水果检测（上）（yolov3_mobilenet_v1）

关于PaddleDetection的第五篇博客​

原创 PaddleDetection——开始训练及评估预测

原创 PaddleDetection——准备数据

2021SC@SDUSC准备数据本项目使用road-sign-detection比赛数据，检测4种路标：speedlimit crosswalk trafficlight stop划分成训练集和测试集，总共877张图，其中训练集701张图、测试集176张图。本项目提供voc格式和coco格式的数据：voc格式： 划分好的数据下载地址为： roadsign_voc.tar。 AiStudio上数据地址：roadsign_voc 2...

原创 PaddleDetection的初步认知（一）

2021SC@SDUSC一周以来，我通过在网上查阅很多的资料，阅读源码，对PaddleDetection的相关知识有了初步的认知。1.模型训练/评估/预测infer.py —— 模型预测# 预测python tools/infer.py -c configs/faster_rcnn_r50_1x.yml --infer_img=demo/000000570688.jpg2.模型配置文件说明——model.yml在PaddleDetection使用model.yml来配置模型的.

原创 PaddleDetection项目的部署与分工

2021SC@SDUSCPaddleDetection 是PaddlePaddle推出的物体检测统一框架。支持现有的RCNN、SSD、YOLO等系列模型、支持 ResNet、ResNet-VD、ResNeXt、ResNeXt-VD、SENet、MobileNet、DarkNet等主干网络。针对不同的业务场景（性能、目标大小、准确率等）可以调用框架下的不同参数（或者是参数文件），实现任务。相比于tensorflow的Object_Detection,优势之一就是将YOLO这一目标检测的快速算法融合到了框架