SSD的图片预处理

最新推荐文章于 2020-12-29 05:10:08 发布

Daniel2333

最新推荐文章于 2020-12-29 05:10:08 发布

阅读量6.9k

点赞数 1

分类专栏： SSD Detection

本文链接：https://blog.csdn.net/weixin_35653315/article/details/72353346

版权

SSD在训练时采用Random Crop、左右翻转、随机颜色扰动和白化等预处理技术增加数据多样性。训练时，Random Crop会进行resize和过滤bbox操作，确保保留的bbox比例大于阈值。测试和评估时，仅执行白化和resize操作以保持图像原始特征。

摘要由CSDN通过智能技术生成

SSD为了增加数据量，使用了很多图片预处理技术。下面根据ssd_vgg_preprocessing.py看看SSD采用了哪些预处理方法。

训练时的预处理

Random Crop

dst_image, labels, bboxes, distort_bbox = \
            distorted_bounding_box_crop(image, labels, bboxes,
                                        min_object_covered=MIN_OBJECT_COVERED,
                                        aspect_ratio_range=CROP_RATIO_RANGE)

通过distorted_bounding_box_crop方法完成以下功能：

random crop

bbox_begin, bbox_size, distort_bbox =  tf.image.sample_distorted_bounding_box(
         tf

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Daniel2333

关注关注

1
点赞
踩
19

收藏

觉得还不错? 一键收藏
2
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

图像处理之图像检测与识别算法：SSD(Single Shot MultiBox Detector)：SSD算法的结构与原理_2024-07-18_02-55-53

kkchenjj的博客

07-28

322

SSD (Single Shot MultiBox Detector) 算法是在2016年由Wei Liu等人提出的，作为目标检测领域的一个重要里程碑。在SSD出现之前，目标检测算法通常需要通过多阶段的处理，如候选区域生成和分类，来识别图像中的物体。这种多阶段的方法虽然在准确性上表现良好，但在实时性和计算效率上存在局限。SSD算法的创新之处在于它将整个检测过程整合到一个网络中，实现了端到端的检测，大大提高了检测速度，同时保持了较高的检测精度。

网络结构图SSD

03-31

SSD网络图

2 条评论您还未登录，请先登录后发表或查看评论

python生成倒计时图片_用Python自动化生成倒计时图片

weixin_31238185的博客

12-29

222

根据书中的「操作图像」章节内容，实现一个简单又实用的小操作。使用的模块为Pillow，一个处理图像文件的Pyhton模块。比如裁剪图像、调整图像大小、编辑图像的内容等。可以实现自动编辑成千上万的图像。学习Python中有不明白推荐加入交流群号：960410445群里有志同道合的小伙伴，互帮互助，群里有不错的视频学习教程和PDF！比如说一些图片网站，你看图时它是没有水印的。但是当你下载下来的时候，图...

解读：加载Mobile_SSD网络用于图片目标检测+实时目标检测（realtime_detection）+单目标跟踪(tracking by detection)

qq_37535492的博客

05-20

1979

1.opencv 使用imshow()图片灰白色？ #在imshow("aa",img)底部加上waitkey(0) waitkey(0) 2.opencv 使用imshow()图片显示不全？ #在cv2.imshow()上方加上'???'一样的内容，注意参数是0 cv2.namedWindow('img', 0) cv2.imshow("img",img) 3."{}: {:.2f}%" 是...

SSD的caffe源码解读 -- 数据增强

daniaokuye的专栏

11-17

1万+

SSD 的数据增强对ssd网络识别小物体效果明显（原文Fig6），而且他使用的方法有点特别，所以在此解析一下他的源码。python代码补充一下data augment翻译：叫“数据增广”更好，中科院自动化所的师兄的翻译更准确（一） ssd_pascal.py /examples/ssd/ssd_pascal.py 在此源码中有几个点是涉及到数据预处理的，在此列举如下： #第93行...

NVMe SSD测试为何要先做预处理？

Memblaze

10-10

4697

评估一块NVMe SSD在真实业务场景中的吞吐能力、稳定性、可靠性以及QoS，不仅要考虑压测工具、测试环境选型，还要精心设计测试规范，如此才能准确的获取NVMe SSD在日常运营中的性能表现。预处理就是这样一个在测试中具有重要作用的环节，这篇文章将对NVMe SSD的预处理操作及价值作以说明。在NVMe SSD使用初期，空闲资源充足，垃圾回收等操作比较少，因此性能也会处于高位。但是运行时间一长，...

基于图片的目标目标检测SSD算法

05-15

1. **输入图像预处理**：图像会被缩放到固定大小，然后输入到预训练的卷积神经网络（如VGG16或ResNet）中。 2. **特征提取**：网络的前几层用于特征提取，产生多个不同尺度的特征图。 3. **预测框和类别**：在每个...

SSD算法简单介绍

qq_42732137的博客

05-14

8720

SSD算法论文连接SSD: Single Shot MultiBox Detector SSD，全称Single Shot MultiBox Detector，是目前主要的检测框架之一，其基于将detection转化为regression的思路，可以一次完成目标定位与分类。该算法基于Faster RCNN中的Anchor，提出了相似的Prior box；该算法修改了传统的VGG16网络：将VGG16的FC6和FC7层转化为卷积层，如图1上的Conv6和Conv7；去掉所有的Dropout层和FC8层；添加

SSD无人机检测 ssd-pytorch-master.zip

04-13

为了在几万张图片上训练模型，数据集的构建和预处理是至关重要的，包括图像增强、归一化、划分训练集和验证集等步骤。 "旋翼无人机检测"表明模型可能特别关注有旋翼的无人机类型，如四轴飞行器，因为这类无人机在...

caffe ssd 优化

01-07

原版 caffe ssd 数据预处理速度很慢（尤其是遇到 depthwise conv 的时候）数据预处理的速度远远跟不上前向和反向计算的速度，导致训练速度很慢优化方法：数据预处理对多幅图片的处理改为多线程数据预处理过程中...

tf.image.sample_distorted_bounding_box（含其他对图形的操作）

demons__的博客

01-28

4345

此函数为图像生成单个随机变形的边界框。函数输出的是可用于裁剪原始图像的单个边框。返回值为3个张量：begin，size和 bboxes。前2个张量用于 tf.slice 剪裁图像。后者可以用于 tf.image.draw_bounding_boxes 函数来画出边界框。 image_size：是包含 [height, width, channels] 三个值的一维数组。数值类型必须是 ui

caffe-ssd 预处理流程

时时除草，时时耕耘

11-19

234

# 第一步 distort_param { brightness_prob: 0.5 brightness_delta: 32.0 contrast_prob: 0.5 contrast_lower: 0.5 contrast_upper: 1.5 hue_prob: 0.5 hue_delta: 18.0 saturation_prob: 0.5 saturation_lower: 0.5 saturation_upper: 1.5 random_order_p

[转]给SSD（固态硬盘）编程

热门推荐

heiyeluren的blog（黑夜路人的开源世界）

05-27

1万+

程序员如何更好的使用SSD硬盘以及在上面编程开发的系统知识

tf.image.sample_distorted_bounding_box

wuguangbin1230的博客

04-20

1061

1. Note that if no bounding box information is available, setting use_image_if_no_bounding_boxes = true will assume there is a single implicit bounding box covering the whole image. If use_image_if_no...

SSD数据增广中的图像变换与裁剪

王跑跑的专栏

12-13

2831

SSD在数据增广部分做了很多工作，处理方法集中在load_batch函数中，首先是对每一帧图像，即每个datum做DistortImage处理，DistortImage包括亮度、饱和度，色调，颜色灰度扭曲等变换，再进行ExpandImage处理在DistortImage函数中，首先用OpenCV的 cv_img = DecodeDatumToCVMat(datum, param_.forc...

tf.image.sample_distorted_bounding_box 运行效果demo

时时除草，时时耕耘

11-12

435

原ground truth框运行5次生成的切割方法集成到一张图片中 import tensorflow as tf import matplotlib.pyplot as plt image_bytes = tf.gfile.FastGFile("/Users/beck/Desktop/dl/SSD-Tensorflow-master/demo/dog.jpg",'rb').read()...

利用tensorflow自带的函数预处理图像

weixin_38715680的博客

05-05

275

一.方法图像读取，剪裁、反转、改变颜色，涉及的函数有：读取： tf.gfile.FastGFile(path,decodestyle) 剪裁： tf.image.sample_distorted_bounding_box（image_size,bounding_boxes） tf.slice（image, bbox_begin, bbox_size） tf.image.resize_imag...

关于：AttributeError: module ‘torchvision.transforms‘ has no attribute ‘Resize‘

唐人的博客

10-22

8816

About:AttributeError: module 'torchvision.transforms' has no attribute 'Resize' I user the following code to slove the problem. 关于这个错误，AttributeError: module 'torchvision.transforms' has no attri...

优化网站性能：图片服务器分离与架构详解

- **图片处理**：对于用户上传的图片，应使用图片处理模块进行格式调整、压缩等预处理，节省带宽和存储空间。图片服务器的架构通常涉及以下几个组件： - **初始部署**：网站初期，图片存储在网站文件夹内，随着...