检测
朱小丰
762159551@qq.com有问题可邮件
展开
-
手动实现yolov3-tiny模型结构
import torchimport torch.nn as nnimport numpy as npfrom torchsummary import summaryimport torch.nn.functional as Fclass convBatchReluBlock(nn.Module): def __init__(self, in_c, out_c, k, s, p): super().__init__() self.cblr = nn...原创 2020-09-04 16:14:43 · 1381 阅读 · 0 评论 -
SSD
设计理念SSD和Yolo一样都是采用一个CNN网络来进行检测,但是却采用了多尺度的特征图,其基本架构如图3所示。下面将SSD核心设计理念总结为以下三点:(1)采用多尺度特征图用于检测一个比较大的特征图和一个比较小的特征图,它们都用来做检测。这样做的好处是比较大的特征图来用来检测相对较小的目标,而小的特征图负责检测大目标,如图4所示,8x8的特征图可以划分更多的单元,但是其每个单元的...原创 2019-10-16 21:48:38 · 362 阅读 · 0 评论 -
Faster-R-CNN
1整体结构2更为详细的过程描述,向网络中输入一张图片,显示resize到M*N,之后通过我们预训练好的卷积网络,得到feature map。之后在RPN中的2个卷积为1*1网络 分别输出 RPN目标检测框的位置信息和框中是不是背景。如果是背景就把框舍弃。之后使用ROIPooling,将后面网络的输入固定。之后再通过网络输出 检测目标分类的结果和边框回归的结果。3RPN的实现...原创 2019-10-16 16:50:33 · 230 阅读 · 0 评论 -
YOLO
YOLOYOLO算法整体来说就是把输入的图片划分为S*S格子,这里是3*3个格子。当被检测的目标的中点落入这个格子时,这个格子负责检测这个目标,如图中的人。我们把这个图片输入到网络中,最后输出的尺寸也是S*S*n(n是通道数),这个输出的S*S与原输入图片S*S相对应(都是3*3)。假如我们网络一共能检测20个类别的目标,那么输出的通道数n=2*(4+1)+20=30。这里的2指的是...原创 2019-10-15 14:15:12 · 4167 阅读 · 0 评论 -
目标检测
定位与检测我们 不仅要用算法判断图片中是不是一辆汽车,还要在图片中标记出它的位置,用边框或红色方框把汽车圈起来,这就是定位问题。当图片中有多个对象时,应该如何检测它们,并确定出位置。比如, 你正在做一个自动驾驶程序,程序不但要检测其它车辆,还要检测其它对象,如行人、摩托车等等。定位的表示对于分类问题我们网络最输出的是每个类别对应的概率大小如果你想定位图片中汽车的位置...原创 2019-10-14 09:14:58 · 260 阅读 · 0 评论 -
基于object-detection和tf-slim的办公室检测项目
https://github.com/tensorflow/models/tree/master/research/object_detectiontensorflow中的models模块中research中的object detection模块object detection模块看似和slim框架平级但是其实是在object detection模块有使用slim框架的部分所以obje...原创 2019-10-08 10:36:43 · 348 阅读 · 0 评论