目标检测
文章平均质量分 69
李昂的
这个作者很懒,什么都没留下…
展开
-
SORT追踪
在SORT中匈牙利匹配解决的是分配问题,把当前帧检测器的检测框和上一帧卡尔曼滤波的预测框做匹配,将卡尔曼预测的框找到和检测器最匹配的框,进行IOU匹配,在通过IOU匹配结果计算代价矩阵,作为代价矩阵(1-IOU),代价矩阵作为匈牙利算法的输入,得到线性结果(最佳匹配结果)。(2)第二帧进来检测器进行检测,先从卡尔曼滤波中得到由第一帧BBOX产生的状态预测和协方差预测,计算跟踪器生成的所有目标状态预测框和检测器检测框的IOU,通过匈牙利匹配算法得到IOU最佳匹配(目标的框子之间是否匹配)。原创 2022-11-18 21:53:55 · 769 阅读 · 0 评论 -
YOLOv5安装、部署、训练自己数据集模型、测试
安装1 安装依赖环境1.1 从Github上clone仓库git clone https://github.com/ultralytics/yolov5 1.2 使用conda建立虚拟环境conda create -n yolov5 python=3.8 conda activate yolov51.3 进入仓库所在目录 安装相关依赖包cd yolov5pip3 install -r requirements.txt可能会提示报错需要安装scikit-buildpip3 inst原创 2022-04-02 16:35:33 · 238 阅读 · 0 评论 -
目标检测中常见的loss函数
目标检测中常见的loss函数原创 2022-04-02 15:51:57 · 4015 阅读 · 0 评论 -
YOLO系列模型笔记
滑动窗口和CNN滑动窗口的目标检测,将检测问题转化为了图像分类问题。其基本原理是采用不同大小和比例的窗口在整张图片上以一定的步长进行滑动,然后对这些窗口的对应区域进行分类。缺点:不知道图像的物体是多大的规模,需要选择合适的步长,而且会产生很多子区域,都要经过分类器去预测,后来采用了SS网络去找到最有可能包含目标的子区域,这个思路被R-CNN借鉴,从而诞生了Fast R-CNN。YOLOv1首先将网络resize成448448的大小,送入CNN网络,将图像分割成ss个网格,然后每个网格去负责物体的中心原创 2022-04-02 11:41:20 · 3728 阅读 · 0 评论