![](https://img-blog.csdnimg.cn/14ddb7973fb146c084105585ab3ba02d.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
目标检测
文章平均质量分 79
包括 faster R-CNN、SS 、 YOLO;
目标回归损失函数
Enzo 想砸电脑
这个作者很懒,什么都没留下…
展开
-
【YOLO v1】模型搭建 | model | 代码
YOLO V1 模型。原创 2023-04-28 01:40:28 · 580 阅读 · 0 评论 -
【SSD 代码精读】之 model (Backbone)& loss
到此,我们的backbone 就构建好了,backbone 就是 resent-50 前半截,下面我们在backbone 的基础上,继续搭建起 model。后面几层的特征层输出分别为 (512,19,19)、(512,10,10)、(256,5,5)、(256,3,3)(256,1,1)3、累加 4个 位置的参数 ,即 将每个 box 的 ctr_x、ctr_y、w、h 的 loss 进行相加。在 backbone 的基础上,重新设计后半截的网络,构成完整的网络,用于特征层的输出,如下图。原创 2023-02-19 23:10:19 · 526 阅读 · 0 评论 -
【SSD】之 数据增强(Data Augmentation)
原论文因为默认只处理图像,而我们在做图像翻转的时候,需要连 ground truth box 的坐标一并翻转。所以我们需要重写那一套的操作。(mac系统下,只要按住 command 键,再点击,就可以查看源码,在源码上修修改改就可以)原创 2023-02-10 11:19:01 · 668 阅读 · 0 评论 -
【SSD】之 DefaultBoxes
【SSD 代码精读】之 DefaultBoxes。原创 2023-02-17 20:45:53 · 109 阅读 · 0 评论 -
6 -【Faster R-CNN 代码精读】之 Proposals 、 Filter Proposals
在上一篇文章【Faster R-CNN】之 AnchorGenerator代码精读中,我们获取到了 anchor 在原图中的坐标在上上篇文章【Faster R-CNN】之 RPN Head 代码精读中,我们得到了 预测出的 bounding box 的概率 以及 预测出的 bounding box 回归参数(regression parameters)。原创 2023-02-04 00:00:24 · 267 阅读 · 0 评论 -
5 -【Faster R-CNN】之 AnchorGenerator 代码精读
anchor 的作用:anchor 是用来做辅助计算的,用于和 (上节课说的,由RPN Head 计算出的)bounding box regression 一起,计算出 预测的 候选框的坐标信息。** 我理解 bounding box regression 是一个 相对位置信息,且是一个系数。原创 2023-02-02 12:04:31 · 961 阅读 · 1 评论 -
4 -【Faster R-CNN】之 RPN Head 代码精读
在上一篇文章 【Faster R-CNN】之 backbone 代码精读 中,我们学习了创建 backbone,并将 batch 中的图片通过backbone 获得了 feature maps。batch 的 feature map size 类似为 [batch_size, out_channel, ]batch_size, 是根据 gpu性能,我们自己指定的。原创 2023-02-02 14:12:33 · 618 阅读 · 0 评论 -
3 -【Faster R-CNN】之 backbone 代码精读
在上一篇文章中,我们得到了图像尺寸统一的 batch 了,接下来,就是 feed 到 backbone 中 获取 feature map。原创 2023-02-01 13:17:59 · 564 阅读 · 0 评论 -
2 -【Faster R-CNN】之 Resize_and_Padding 代码精读
在上一篇文章【Faster R-CNN】之 Dataset and Dataloader 代码精读中,我们重写了 Dataset 和 Dataloader, 可以迭代的 读出 batch 数据了。每个batch 中的数据 包括 image 和 target, 数据形如:接下来,batch 中的 images 要传入 backbone 获得 feature map,但是当前这些 images 存在一个问题,就是这 batch 中的图像的尺寸 是不一致的,不能直接喂进 backbone。原创 2023-02-01 10:31:50 · 632 阅读 · 1 评论 -
1 -【Faster R-CNN】之 Dataset and Dataloader 代码精读
其为了节省内存,将图像按照尺寸大小进行了排序,尺寸小的和尺寸小的batch, 尺寸大的和尺寸大的batch,这样在之后padding的时候,小尺寸的就不用因为batch中有大尺寸的而padding 的太多。这是因为 默认的 batch 的打包方式是 stack,需要图像有相同的尺寸才能stack,我们这个时候的 image 不是相同尺寸(在之后的 Generalized RCNN Transform 的阶段,才会将 Batch 中的图像处理为相同尺寸),所以这里没法使用默认的 打包batch 的方式。原创 2023-01-31 15:29:41 · 413 阅读 · 0 评论 -
0 -【Faster R-CNN】代码精读目录
代码精读 目录原创 2023-02-02 15:24:55 · 151 阅读 · 0 评论