![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 89
张小波
这个作者很懒,什么都没留下…
展开
-
学习视觉CV Transformer (3)--ViT、DETR的原理及代码分析
CV Transformer --ViT、DETR的原理及代码分析原创 2023-10-24 10:54:28 · 425 阅读 · 0 评论 -
学习视觉CV Transformer (2)--Transformer原理及代码分析
视觉CV Transformer 原理及代码分析原创 2023-10-24 10:53:21 · 257 阅读 · 0 评论 -
学习视觉CV Transformer (1)--Transformer介绍
CV Transformer内容学习原创 2023-10-24 10:51:48 · 192 阅读 · 0 评论 -
CNN损失函数学习(最全)
损失函数的学习一、损失函数的概念二、回归损失(Regression Loss)1.L1 Loss2.L2 Loss3.Smooth L1 Loss4.IoU Loss5.GIoU Loss6.DIoU Loss7.CIoU Loss8.F-EIoU Loss8.CDIoU Loss三、分类损失1.Entropy2.Cross Entropy3.K-L Divergence4.Dice Loss5.Focal Loss6.Tversky loss总结导入一、损失函数的概念在机器学习中,损失函数是代价函数原创 2021-12-22 10:21:59 · 14018 阅读 · 6 评论 -
Repulsion loss:专注于遮挡情况下的行人检测
Repulsion loss一、背景介绍二、主要内容1.遮挡分析2.Repulsion loss3.实验分析总结一、背景介绍与通用目标检测相比,遮挡情况在行人检测中更为普遍,为此也是行人检测领域最广为关注的问题之一。现实场景中行人的遮挡情况主要分为两种情况:一种是其他物体对行人的遮挡,这往往会带来目标信息的缺失,进而导致漏检;另一种是行人个体之间的相互遮挡,这往往会引入大量的干扰信息,进而导致更多的虚检。本文重点解决的是后一种情况导致的遮挡问题。作者将对这一问题进行了深入思考,并从loss的层面原创 2021-12-22 10:20:41 · 2612 阅读 · 1 评论 -
python中plt.imshow与cv2.imshow显示图像颜色错误的问题(避坑)
最近调试程序的时候,发现显示不正常,纳闷了很久,来回测试,终于发现问题,希望大家别再入坑了。在用plt.imshow和cv2.imshow显示同一幅图时可能会出现颜色差别很大的现象。这是因为:opencv的接口使用BGR,而matplotlib.pyplot 则是RGB模式。各自显示各自图像是正常的,分别显示是不正常的。说起来很绕,还是根据程序结合结果来看。原图:import cv2 as cvimport numpy as npimport matplotlib.pyplot as pl原创 2021-11-17 21:09:47 · 7986 阅读 · 1 评论 -
目标检测的NMS(非极大值抑制,Non-Maximum Suppression)
非极大值抑制NMS概述一、NMS 原理二、使用步骤1.引入库2.读入数据总结概述非极大值抑制(Non-Maximum Suppression,NMS),顾名思义就是抑制不是极大值的元素,可以理解为局部最大搜索。这个局部代表的是一个邻域,邻域有两个参数可变,一是邻域的维数,二是邻域的大小。用于目标检测中提取分数最高的窗口的。例如在行人检测中,滑动窗口经提取特征,经分类器分类识别后,每个窗口都会得到一个分数。但是滑动窗口会导致很多窗口与其他窗口存在包含或者大部分交叉的情况。这时就需要用到NMS来选取那些原创 2021-09-09 23:28:35 · 2253 阅读 · 0 评论 -
学习各种目标检测的FPN(多层次特征融合)
单阶段物体检测算法:早期的物体检测算法,无论是一步式的,还是两步式的,通常都是在Backbone的最后一个stage(特征图分辨率相同的所有卷积层归类为一个stage)最后一层的特征图,直接外接检测头做物体检测。此种物体检测算法,可以称之为单stage物体检测算法。由于单stage物体检测算法中,Backbone的最后一个stage的stride通常是32,导致输出的特征图分辨率是输入图片分辨率的1/32,太小,不利于物体检测,因此单stage的物体检测算法,一般会将最后一个stage的MaxPooli原创 2021-09-09 22:19:19 · 5848 阅读 · 0 评论