wei_guo_xd的博客

常用的图像扩充方式有：水平翻转，裁剪，视角变换，jpeg压缩，尺度变换，颜色变换，旋转当用于分类数据集时，这些变换方法可以全部被使用，然而考虑到目标检测标注框的变换，我们选择如下几种方式用于目标检测数据集扩充：jpeg压缩，尺度变换，颜色变换这里，我们介绍一个图象变换包http://lear.inrialpes.fr/people/paulin/projects/ITP/这

通用的R-CNN框架用于目标检测R-CNN（基于区域的卷积神经网络）region-base convolutional neural network教程概述覆盖的主题目标检测介绍（非常简短）通用的R-CNN框架单阶段vs多阶段检测器&速度/精度折中边界框目标检测需要完成两个任务：分类：指出目标是什么类别 回归：指出目标

教程--实例层面的视觉识别识别的复杂度不断增加数字分类（MNIST）面部识别边缘检测图像分类（Caltech101）大尺度图像分类（ImageNet）目标检测和语义分割（PASCAL VOC）实例分割和姿态估计（MS COCO）实例级的识别目标：识别场景（图像）内的所有目标实例为每个目标放置一个边界框（目标检测

tensorflow object detection API创造一些精确的机器学习模型用于定位和识别一幅图像里的多元目标仍然是一个计算机视觉领域的核心挑战。tensorflow object detection API是一个开源的基于tensorflow的框架，使得创建，训练以及应用目标检测模型变得简单。在谷歌我们已经确定发现这个代码对我们的计算机视觉研究需要很有用，我们希望这个对你也会很有

1.安装anaconda(Python 3.4+)2.安装tensorflow 1.3+安装tensorflow：对于CPU版本：pip install tensorflow对于GPU版本：pip install tensorflow-gpu升级tensorflow到最新版1.4.0：pip install --upgrade tensorflow-gpu  3.安装ker

matterport/Mask_RCNN官方教程这是一个基于python3,keras和tensorflow的mask rcnn模型。这个模型对图像中的每一个目标实例产生候选框和分割掩膜。这个模型基于特征金字塔网络（Feature Pyramid Network, FPN）和 一个ResNet101骨架。这个版本包括：Mask R-CNN基于FPN和ResNet10

本文翻译自：/caffe-ssd/examples/ssd_detect.ipynb首先怎么安装jupyter以及使用jupyter安装：sudo pip install jupyter使用：到/caffe-ssd/examples目录下：输入：jupyter notebook点击ssd_detect.ipynb，如下图：利用SSD进行目标检测：1：加载必要的

下载程序，git clone https://github.com/Orpine/py-R-FCN.git打开py-R-FCN,下载caffegit clone https://github.com/Microsoft/caffe.git编译Cython模块cd libmake结果如下图所示：编译caffe和pycaffecd caffecp M

git clone https://github.com/weiliu89/caffe.git（上面的版本可能存在问题，最好是在https://github.com/weiliu89/caffe/tree/ssd下载zip文件）git checkout ssdmake all如果报错：/usr/include/boost/property_tree/

打开./libs/datasets/pycocotools,执行make下载COCO数据集，放到./data目录下，格式如下./data./coco./annotations./train2014./val2014下载链接：train2014:http://msvocds.blob.core.windows.net/coco2014/train2014.zipv

下载faster r-cnngit clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git进入py-faster-rcnn/libmake结果如下图：进入py-faster-rcnn/caffe-fast-rcnncp Makefile.config.example MAkef

1.https://github.com/Longqi-S/Focal-Loss下载focal-loss-master.zip2.解压focal-loss-master.zip，得到softmax_focal_loss_layer.cpp, softmax_focal_loss_layer.cu和 softmax_focal_loss_layer.hpp3.将softmax_focal_l