目标检测
文章平均质量分 66
花花花哇_
这个作者很懒,什么都没留下…
展开
-
【3D目标检测】Fastpillars-2023论文
Fastpillars提出了一种简单但有效的Max-and-Attention pillar encoding(MAPE)模块。MAPE几乎无需额外的耗时(仅4ms)就能提高每个pillar特征的表示能力,能够提升小目标的检测精度;设计了一个紧凑的全卷积主干网络CRVNet,它具有竞争性的特征学习能力和推理速度,而不需要稀疏卷积。原创 2023-02-16 17:11:56 · 1195 阅读 · 4 评论 -
[特征融合]-EPNet
1、环境搭建EPNet 基于PointRCNN框架,首先需要安装pointnet相关库。编译过程要进行以下修改:主要是改了三个模块的cpp代码。 PointRCNN/pointnet2_lib/pointnet2/src PointRCNN/lib/utils/iou3d/src PointRCNN/lib/utils/roipool3d/src (1)将所有cpp文件中以...原创 2022-03-25 18:52:43 · 1154 阅读 · 0 评论 -
神经网络特征图可视化
pytorch 中的hook可以不必改变网络输入输出的结构,方便的获取、改变网络中间层变量的值和梯度。这个功能广泛用于可视化神经网络中间层的feature、gradient。从而诊断神经网络中可能出现的问题,分析网络的有效性。这种方式会增加内存占用,因此采用hook保存中间变量的梯度。register backwardhook 和register forward hook 的作用是获取神经网络反响、前向传播过程中,各个模块输入端和输出端的梯度值。...原创 2022-03-01 17:36:49 · 1047 阅读 · 0 评论 -
Openpcdet-(2)自数据集训练数据集训练
一、代码修改1、复制pcdet/datasets/kitti/kitti_dataset.py为WJ_dataset.pydef get_infos() def get_label() 添加:from pcdet.utils import object3d_WJ 注释掉calib中参数的加载、计算代码 2、 复制pcdet/utils/object3d_kitti.py 为objetc3d_WJ.py,根据数据标注格式加载读取对应标签。 3、pcdet/datasets/datase原创 2022-01-21 10:15:56 · 7130 阅读 · 21 评论 -
openpcdet-(3)代码梳理
参考:1、Openpcdet的kitti_dataset.py注释 - 知乎2、KITTI数据集 激光雷达-图像坐标系转换关系_幸福回头的博客-CSDN博客3、点云相机的坐标转换以及联合标定 - 灰信网(软件开发博客聚合)4、相机坐标角度转雷达角度:Kitti数据集标签中yaw角在不同坐标系的转换_ppppiu的博客-CSDN博客...原创 2022-01-10 13:07:48 · 1770 阅读 · 0 评论 -
Openpcdet-(1)环境配置及kitti数据集训练
一、spconv库安装二、代码编译三、问题1、open3d出现 “AttributeError: module 'open3d.open3d.geometry' has no attribute 'get_rotation_matrix_from_axis_angle'”错误 open3d 版本问题0.8.0升级为0.13.02、Import error: No module named mayavi 问题 sudo apt-get install ma...原创 2022-01-05 19:54:45 · 5248 阅读 · 8 评论 -
yolop代码解读
一、训练--train.py1、设置DDP参数DDP及其在pytorch中应用_cdknight_happy的专栏-CSDN博客 pytorch中DDP使用(1)参数加载(2)模型转换成DDP模型(3)训练数据sampler,来使得各个进程上的数据各不相同(4)分布式模型的保存...原创 2021-10-14 08:42:00 · 6045 阅读 · 20 评论 -
小目标检测的数据扩增方法
小目标的检测性能较差的原因之一是:训练数据中小目标的再现性较差,因此,作者提出对小目标样本进行Oversampling(过采样),然后在对样本里的小目标进行Copy-Pasting(复制粘贴),以此来提供足够的小目标来和 anchor 进行匹配,以此实现提高小目标检测的性能。2.1 Oversampling在训练阶段对有小目标的图像进行Oversampling(过采样),来解决含有小目标的图像较少的问题,过采样简单来说就是将一张图片重复加入训练几次,这种方式十分简单,但也有效,并且实现方式也...原创 2021-09-07 15:49:12 · 1991 阅读 · 2 评论 -
小目标检测综述
摘要小目标检测长期以来是计算机视觉中的一个难点和研究热点。在深度学习的驱动下,小目标检测已取得了重大突破,并成功应用于国防安全、智能交通和工业自动化等领域。为了进一步促进小目标检测的发展,本文对小目标检测算法进行了全面的总结,并对已有算法进行了归类、分析和比较。首先,对小目标进行了定义,并概述小目标检测所面临的挑战。然后,重点阐述从数据增强、多尺度学习、上下文学习、生成对抗学习以及无锚机制等方面来提升小目标检测性能的方法,并分析了这些方法的优缺点和关联性。之后,全面介绍小目标数据集,并在一些常用的公共数转载 2021-09-07 15:10:57 · 7043 阅读 · 3 评论 -
darknet 版本yolov4训练问题记录
一、小目标训练配置文件:yolov4.cfg1、根据数据集中目标尺度生成anchor参数。darknet detector calc_anchors data/obj.data -num_of_clusters 9 -width 832 -height 832 -show-num_of_clusters: 9- number of anchors-width 832 -height 832:- input network size2、为检测大量目标在 yolo 层中添加 max=20..原创 2021-08-25 16:11:29 · 939 阅读 · 0 评论 -
Boxy vehicle detection 数据集
图像3D标注数据集;https://blog.csdn.net/abrams90/article/details/102602595下载:https://www.jiangdabai.com/dcat/%e6%95%b0%e6%8d%ae%e9%9b%86%e4%b8%8b%e8%bd%bd原创 2021-08-23 15:01:01 · 495 阅读 · 0 评论 -
字节跳动 CVPR2021 细粒度图像竞赛冠军
当我们还对玫瑰、月季和蔷薇傻傻分不清楚的时候,计算机视觉已经可以在一万种极其相似的自然界物种里精确地分门别类了。图像分类是计算机视觉领域一个由来已久,经过了深入挖掘的问题。但在训练数据有限且类别高度相似的领域中,现有技术的表现并不尽如人意。特别是细粒度分类(Fine-Grained Visual Categorization),如视觉上相似的植物或动物物种、视网膜疾病、建筑风格等的精确区分,仍然极具挑战性。当前,细粒度图像分类也被认为是计算机视觉领域正在解决的最有趣和最有用的开放问题之一。FGVC是转载 2021-08-17 09:24:38 · 763 阅读 · 0 评论 -
yolox 训练问题记录
如果是训练自己的数据,建议按以下几步检查一下问题:pull最新的代码,我们已经在coco数据集上完整验证过,所以还有问题的话可以排除训练代码的问题; 检测你的数据集和标注,可视化gt、对其coco或者voc的格式等等; 一定记得加载预训练好的COCO权重; 观察training loss,同时修改eval_interval=1,每个epoch都评测一次。如果training loss还是在10以上徘徊,建议返回第2步再看看(COCO数据集上前3个epoch之后total loss能降到7~8左右.原创 2021-08-09 11:16:55 · 2548 阅读 · 4 评论 -
yolox代码
1、torch.meshgrid():功能是生成网格,可以用于生成坐标。函数输入两个数据类型相同的一维张量,两个输出张量的行数为第一个输入张量的元素个数,列数为第二个输入张量的元素个数,当两个输入张量数据类型不同或维度不是一维时会报错。x1 ,y1 = torch.meshgrid(x,y) 其中第一个输出张量填充第一个输入张量中的元素,各行元素相同;第二个输出张量填充第二个输入张量中的元素各列元素相同。2、torch.stack():沿着一个新维度对输入张量序列进行连接。 ...原创 2021-08-03 10:54:26 · 883 阅读 · 0 评论 -
yolox网络结构
YOLOX( (backbone): YOLOPAFPN( (backbone): CSPDarknet( (stem): Focus( (conv): BaseConv( (conv): Conv2d(12, 32, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1), bias=False) (bn): BatchNorm2d(32, eps=0.001, momentum=0...原创 2021-08-03 09:57:29 · 1894 阅读 · 0 评论 -
yolo格式标签转xml格式、json格式
1、yolo训练标签为txt格式类别 中心点x 中心的y 宽度w 高度h2、voc 数据集标签文件为xml格式,首先将txt转xml(1)原创 2021-07-31 14:40:14 · 2380 阅读 · 0 评论 -
PPYOLO训练模型
一、环境配置及安装二、数据准备1、已有的数据标签为yolo需要的txt格式文件,现在训练ppyolo采用将txt文件转换为xml文件或json文件。xml文件转换代码参考https://blog.csdn.net/hesongzefairy/article/details/104443573json文件转换代码参考https://zhuanlan.zhihu.com/p/341801502...原创 2021-07-16 13:16:28 · 883 阅读 · 0 评论 -
PP-yolo环境搭建及问题
一、环境搭建二、问题1、PP-yolo进行视频检测问题(1)使用下面命令生成(导出)检测模型:python tools/export_model.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_coco.yml -o weights=weights/ppyolo/ppyolov2_r50vd_dcn_365e_coco.pdparams出现以下问题:usage: infer.py [-h] [-c CONFIG] [-o [O.原创 2021-07-13 13:07:27 · 1223 阅读 · 0 评论 -
mmdetection-代码
参考资料:https://heary.cn/posts/mmdetection-%E5%9F%BA%E4%BA%8EPyTorch%E7%9A%84%E5%BC%80%E6%BA%90%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B%E7%B3%BB%E7%BB%9F/原创 2021-01-25 18:09:50 · 145 阅读 · 0 评论 -
mmtracking-环境搭建
MMTracking地址:https://github.com/open-mmlab/mmtracking1、根据readme中install.md按步骤安装 也可参考这篇文档 写的非常详细:https://blog.csdn.net/weixin_41010198/article/details/1122910362、可能出现的问题(1)缺少pycocotools库: 1、下载源码: https://github.com/philferr...原创 2021-01-22 20:11:00 · 1632 阅读 · 1 评论 -
yolov4训练问题
can’t open label files解决方法:打开darknet/src/until.c找到函数replace_image_to_label将下述代码取消注释即可(212行)原创 2020-09-10 15:35:45 · 639 阅读 · 0 评论 -
几种轻量化卷积网络计算量
就近年提出的四个轻量化模型进行学习和对比,四个模型分别是:MobileNet、SqueezeNet、ShuffleNet。M表示输入特征的通道数,N表示输出特征的通道数。卷积核大小为K*K,输出特征图大小为F*F.1.普通卷积网络的计算量:K*K*M*N*F*F. 普通卷积网络的参数量:K*K*M*N2.MobileNet 采用名为 depth-wise sepa...原创 2019-07-19 10:02:10 · 2085 阅读 · 0 评论 -
解决ValueError: Expected more than 1 value per channel when training, got input size [1, 256, 1, 1]
出现 ValueError: Expected more than 1 value per channel when training, got input size [1, 256, 1, 1] 问题,可能是输入批次只有一个数据点,而由于BatchNorm操作需要多于一个数据计算平均值,因此造成该错误。解决方法:在获取数据集时,将DataLoader中drop_last设置为True...原创 2019-02-25 15:22:29 · 13056 阅读 · 0 评论 -
DSOD:从零开始深度有监督学习目标检测器
DSOD:从零开始深度有监督学习目标检测器转载:https://www.cnblogs.com/0x000/p/7406385.html论文原文地址:https://arxiv.org/pdf/1708.01241Abstract摘要: 我们提出了深入的监督对象检测器(DSOD),一个框架,可以从零开始学目标探测器。艺术对象的对象的状态在很大程度上依赖于下架网络预培训...转载 2019-01-15 15:50:20 · 949 阅读 · 0 评论 -
解决U-net上采样过程后,结合下采样信息时特征图大小不匹配问题
在U-net下采样后时,通过polling层,可能会出现这种情况,37*37feature maps 压缩成18*18大小,但在上采样过程中,利用nn.ConvTranspose2d()通常变为36*36大小的feature maps,不同大小的feature maps在进行concat时会报错。解决这种问题可以采用追加一个反卷积过程,在判断到两个过程得到的feature maps大小不...原创 2018-11-27 17:41:34 · 13021 阅读 · 2 评论 -
SSD-Tensorflow测试代码问题
本文的源码地址是https://github.com/balancap/SSD-Tensorflow1.测试代码中读取.ckpt文件错误。代码给出的checkpoints文件夹中并没有.ckpt后缀文件,而是一个.data文件和.index文件,这是由于新版saver造成的。使用:saver = tf.train.Saver(write_version=tf.train.SaverDe...原创 2018-10-23 19:08:12 · 703 阅读 · 0 评论