- 博客(5)
- 收藏
- 关注
RSS订阅原创 openmmlab(五）目标检测配置文件解析
定义Backbone定义Neck锚框的设定主要修改num_classes为自己数据集类别。损失函数的组成目标检测标注信息训练输入数据定义sample_per_gpu是输入每个GPU的batch size。workers_per_gpu是每个GPU分配的CPU线程数。自定义输入数据数据增强训练策略训练自己数据集总结
2023-02-08 21:25:19
417
原创 openmmlab(四)目标检测综述
目标检测发展历史推理困难及改进思路目标检测常用词概念任务损失的基本组成边界框编码二阶段算法（一） Fast RCNN（二）Faster RCNN多尺度检测(一）FPN（二）在Faster RCNN中应用FPN单阶段目标检测（一）YOLOv3(二）RetinaNet(三）Focal loss解决样本不平衡问题无锚框目标检测（一）FCOS（二）CenterNet模型评
2023-02-07 23:05:49
145
原创 openmmlab(三)图像分类配置文件&训练&推理
Get start with Python API 在有了训练配置文件和训练权重的前提下，可以用此API进行快速推理。推理命令训练命令MIM命令管理模型配置文件通过修改模型配置文件可以直接对训练的模型结构进行改动。 训练个人数据集主要改动num_classes为自己的分类数目。 有了全局平均池化后，对图像的输入尺寸不再做固定要求。数据加载模块主要改动个人数据集路径。 根据自己的GPU调节size大小。 注意cpu的配比要适合
2023-02-04 19:43:24
213
原创 openmmlab(二)图像分类综述 & basic trick summary
图像分类简介 图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉的核心，是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础。 图像分类在许多领域都有着广泛的应用按照被提出的时间顺序，涵盖如下卷积神经网络：LeNet：Yan LeCun等人于1998年第一次将卷积神经网络应用到图像分类任务上，在手写数字识别任务上取得了巨大成功。 AlexNet：Alex Krizhevsky等人在2012年提出了AlexNet, 并应用在大尺寸图片数据集
2023-02-03 16:48:53
257
原创 openmmlab(一)初识openmmlab&深度学习入门
openmmlab框架计算机视觉的三大任务机器学习（一）特征提取 （二）分类器深度学习（一）神经元（二）多层感知机（三）输出概率训练（一）损失函数（二）寻找损失函数最低点（三）反向传播更新参数（四）优化器（五）训练总体流程（六）举例：图像分类任务
2023-02-02 17:25:25
855
1
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