![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测论文及网络模型
tang-0203
这个作者很懒,什么都没留下…
展开
-
目标检测 - 二阶段检测 - Faster-RCNN
部分内容参考:1、https://blog.csdn.net/liuxiaoheng1992/article/details/818433632、mmdetection源码原创 2020-05-10 21:06:05 · 3852 阅读 · 0 评论 -
centernet笔记 - inference阶段后处理
预备知识,mxnet.ndarray的一些操作shape_arrayshape_array([[1,2,3,4], [5,6,7,8]]) = [2,4] # 获取ndarry的shape# Returns a 1D int64 array containing the shape of data.splitSplits an array along a particular axi...原创 2020-03-04 11:24:53 · 1379 阅读 · 0 评论 -
Focal Loss for Dense Object Detection (RetinaNet)阅读笔记
pytorch实现:https://github.com/kuangliu/pytorch-retinanetDetectron:https://github.com/facebookresearch/Detectron一、要解决的问题提高检测器的速度。提高检测器密集目标检测能力。二、摘要部分知识提取二阶和一阶检测器的差异R-CNN系列,分类器应用在一系列稀疏的候选检测框位置,...原创 2019-07-03 20:08:54 · 546 阅读 · 0 评论 -
YOLO-V3深度阅读笔记
损失函数coordinate lossclass predictions loss使用多标签分类损失。(使用 binary cross-entropy loss)objectness loss默认框和真实目标的匹配策略与真实目标重叠度最大的默认框为正样本。与真实目标重叠度大于阈值的默认框为正样本。(Faster RCNN中阈值为0.7,YOLO-V3阈值为0.5)。每一个真实...原创 2019-04-18 21:35:42 · 1476 阅读 · 1 评论 -
Caltech Pedestrian Detection数据的预处理
参考博客链接:https://blog.csdn.net/a2008301610258/article/details/45873867https://github.com/hizhangp/caltech-pedestrian-converterhttp://www.kanadas.com/program-e/2015/06/converting_caltech_pedestrian.h...原创 2018-12-04 16:27:23 · 2662 阅读 · 8 评论 -
(转载)基于Overfeat的图片分类、定位、检测
基于Overfeat的图片分类、定位、检测原文地址:http://blog.csdn.net/hjimce/article/details/50187881作者:hjimce一、相关理论本篇博文主要讲解来自2014年ICLR的经典图片分类、定位物体检测overfeat算法...转载 2018-05-21 14:23:43 · 253 阅读 · 0 评论 -
【YOLO学习】召回率(Recall),精确率(Precision),平均正确率(Average_precision(AP) ),交除并(Intersection-over-Union(IoU))
转自:http://blog.csdn.net/hysteric314/article/details/54093734摘要在训练YOLO v2的过程中,系统会显示出一些评价训练效果的值,如Recall,IoU等等。为了怕以后忘了,现在把自己对这几种度量方式的理解记录一下。 这一文章首先假设一个测试集,然后围绕这一测试集来介绍这几种度量方式的计算方法。大转载 2017-12-02 23:02:16 · 966 阅读 · 3 评论