左右-HPU

原创 玩转MMDetection-MMDetection制作自己的配置文件（三）

首先，创建属于自己的配置文件me.py；其次，引入自己所需要的模型文件数据集文件训练计划文件运行信息文件；接着，从模型文件开始看，是否需要进行部分参数的更改，如果需要更改则按照引入的模型文件对应匹配写入me.py文件，且写入自己的参数；完成自己模型文件参数配置后，看数据集文件，是否需要进行部分参数的更改，如果需要更改则按照引入的数据集文件对应匹配写入me.py文件，且写入自己的参数；完成自己数据集参数配置后，看训练计划文件，是否需要进行部分参数的更改，如果需要更改则按照引入的训练计划文件。

原创 Transformer中的position encoding(位置编码一)

本文主要讲解Transformer 中的 position encoding，在当今CV的目标检测最前沿，都离不开position encoding，在DETR，VIT，MAE框架中应用广泛，下面谈谈我的理解。一般position encoding 分为 正余弦编码和可学习编码。正余弦编码.........

原创 Hybrid Transformer and CNN Attention Network forStereo Image Super-resolution

立体图像超分辨率：旨在从给定的低分辨率左右视图图像重建高分辨率图像。单图像超分辨率：旨在从给定的低分辨率主视图图像重建高分辨率图像。

原创 玩转MMDetection-MMDetection v2 目标检测模型有用工具的使用（六）

需要测试图像的路径。：相应的配置文件的路径。：测试所用的权重文件路径。：所用的GPU的ID号。运行demo路径下的image_demo.py代码，图像路径为demo/demo.jpg，所采用的配置文件路径为configs/faster_rcnn_r50_fpn_1x_coco.py，测试所用的权重文件路径checkpoints/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth，设备采用cpu --device cpu。

原创 玩转MMDetection-MMDetection v2 目标检测模型有用工具的使用（五）

测试通用命令。

原创 玩转MMDetection-MMDetection v2 目标检测模型训练和测试（四）

即可，一般情况下不调用，④--gpus要使用的gpu数量⑤--gpu-dis要使用的gpus的id这两个参数，仅适用于非分布式训练，如果多卡训练时，需要调用，选择采用的gpu数量和对应gpu的ID。，采用4卡训练，没有定义GPU的ID，默认为0，1，2，3。采用Swin Transformer训练DOTA数据集，采用4卡训练，没有定义GPU的ID，默认为0，1，2，3。设置存放训练生成文件(log文件和权重文件)的路径这两个参数是必需的，③。设置训练时不验证模型，如果需要调用时，只需直接在训练命令中添加。

原创 BboxToolkit工具包使用（DOTA数据集）

在/BboxToolkit/tools/中使用BboxToolkit实现了一些工具，主要有三个功能函数。①img_split.py可以通过滑动窗口将大图像分割成小块。该工具通常用于大型航空图像，如DOTA中的图像。②visualize.py可以在图像上绘制不同类型的方框。③cal_mAP.py用于计算mAP

原创 深度学习名词解释

将锚点框与Ground Truth中的标签框进行 IoU 对比，如果其 IoU 高于某个阈值，则该锚点框标定为前景框，否则属于背景框；你所做方法的基准模型，大家都是在这个模型的基础上进行改进，baseline在论文中就是对比效果用的。- 对于特征图上的每一个点（称之为锚点 anchor point）,生成具有不同 尺度 和 宽高比 的锚点框，这个锚点框的坐标(x,y,w,h)是在原图上的坐标。state-of-the-art result，指的是在该项研究任务中，目前最好的模型的结果/性能/表现。

原创 复现Oriented R-CNN for Object Detection(orientedRcnn)

2.更改configs文件下调用的hrsc.py文件中，①data_root的路径为你的HRSC2016数据集的路径，②训练和测试的imgset、ann_file、img_prefix的路径。4.更改configs文件下调用的default_runtime.py文件，根据自己的需要更改部分参数。部分可能用到的参数说明：①--gpus 要使用的gpu数量②--gpu-ids 要使用的gpu的id.1.更改调用的configs文件下的pretrained的路径为你下载的预训练权重的路径。

原创 An Empirical Study of Remote Sensing Pretraining(遥感预训练的实证研究)(二)

采用ResNet-50的epoch-300的RSP预训练模型ResNet-50-E300，采用Swin-T的epoch-300的RSP预训练模型Swin-T-E300，采用ViTAEv2-S的epoch-100作为ViTAEv2-S的RSP预训练模型ViTAEv2-S-E100。采用上述三个网络的预训练模型开始对下游任务进行微调，包括图像识别，语义分割，目标检测、变换检测。场景识别采用的数据集为航拍场景中常用的，不再是MillionAID。

原创 An Empirical Study of Remote Sensing Pretraining(遥感预训练的实证研究)(一)

首先介绍几个预训练模型：①IMP: ImageNet pretraining. (ImageNet预训练)②RSP: remote sensing supervised pretraining on the MillionAID.(在MillionAID上进行遥感监督预训练)③MAE: MAE unsupervised pretraining on the MillionAID.(在MillionAID上进行无监督的MAE预训练)

原创 Oriented R-CNN for Object Detection(定向R-CNN的目标检测)

图1为，生成定向提案的不同方案的比较。(a)旋转RPN密集放置不同尺度、比例、角度的旋转锚。(b) RoI Transformer+从水平RoI中学习定向提案。它包括RPN、RoI对齐和回归。(c)我们以建议为导向的RPN以几乎没有成本的方式产生高质量的建议。定向RPN的参数数约为RoI Transformer+的1/3000，旋转RPN的1/15。它在每个位置放置54个不同角度、尺度和宽高比(3个scales×3 ratios×6角度)的锚点。

原创 YOLO-pose复现流程

以下为用yolov5训练人体姿态估计复现流程是由Annotations和Images和labels三个子文件夹组成。①然后将Images文件夹名称改为images，两者区别为首字母一个大写，一个小写，需要改为小写。②将改为images的文件夹剪切进labels文件夹下，现在的coco-kpts数据集由Annotations和labels两个子文件夹组成。其中labels文件夹包含原本自身的内容和剪切进去的images文件。如下图所示为需要准备好的数据集存放格式。

原创 Oriented Object Detection in Aerial Images with Box Boundary-Aware Vectors(BBAVectors)实现遥感图像旋转框目标检测

该文在确定旋转框的基础上，提出Box boundary-aware vectors(BBAVectors)回归框边界感知向量去生成旋转框。图3 BBAVectors网络结构图图3所示说明：该方法的总体架构和面向边界框（OBB）描述。输入图像在被馈送到网络之前被调整大小为608×608。该体系结构建立在一个U形网络上。在上采样过程中，采用跳过连接来组合特征图。该架构的输出包括四个映射：热图P、偏移映射O、盒参数映射B和方向映射α。中心点的位置是从热图和偏移图中推断出来的。

原创 Swin Transformer实现(复现)纯目标检测

Swin Transformer实现(复现)纯目标检测

原创 玩转MMDetection-MMDetection中的数据集文件、训练计划文件、运行信息文件及具体参数解读（二）

首先先介绍以下coco.py文件中的CocoDataset类函数，顾名思义，如果我们采用coco数据集格式，则需要调用coco.py文件，如果采用coco公共数据集则直接调用。若需要训练自己的数据集，则需要将coco.py文件下的CocoDataset类中的CLASSES中，更改为你自己数据集对应的种类，如果只有一类，切记要在一个类后加逗号。以下是coco数据集用作目标检测的数据集文件及参数解读coco_detection.py。coco数据集格式如下图所示。

原创 玩转MMDetection-MMDetection中的模型框架文件及参数解读（一）

该文主要介绍完整的MMDetection包含的配置文件中的模型文件--model.py以下代码详细逐行解读了模型文件包含的代码含义及使用。

原创 Anaconda安装及使用labelme制作实例分割自建数据集

②创建完成后，激活虚拟环境③安装labelme 正常运转需要各种依赖的包，先下载pyqt和pillow均yes操作④安装labelme至此，使用labelme的前期工作已经做完，接下来开始labelme的使用。

原创 图像分类网络搭建的一些函数及相关配置文件（一）

图像分类网络搭建的一些函数及相关配置文件 """自定义数据集"""self.images_path = images_path #图像路径self.images_class = images_class #图像种类self.transform = transform #数据预处理= 'RGB' :raise ValueError("image:{} isn't RGB mode.".format(self.images_path[index])) #若不是RGB图像抛出异常。

原创 yolo5(s)实现目标检测，训练自己的数据集

yolo5(s)实现目标检测，训练自己的数据集。可以测试视频和图片。

原创 python3.6、3.7、3.8安装dlib库

python3.8安装dlib库，因为python的版本对应的dlib库的版本不一样，官网也很难直接找到对应的whl文件，本文提供了python3.8对应的whl文件可供直接进行对应版本的安装

原创 CUDA多卡调用

CUDA由单卡调用改为多卡调用的代码变化

原创 pycocotools库的安装（本人亲测，已解决）

pycocotools库的安装，分别在window系统和Ubuntu系统下对应的安装方法

原创 修改pip及python版本

修改pip及python版本：(1)查看现存python、pip的版本路径(2)移除现存的python3、pip3链接(3)建立新的软链接（一般基础环境的软链接路径如下）(4)查看是否建立成功

原创 Swin Transformer 中的 shift window attention

原创 PIP换元，暴力换元，没有多余操作。

第一步：WIN+R打开命令窗口。第二步：输入 %HOMEPATH%，然后回车，打开用户内部窗口。第三步：在所打开的窗口创建文本文件命名pip.txt，打开输入下列四局，并保存关闭。[global]timeout = 6000index-url = https://pypi.tuna.tsinghua.edu.cn/simpletrusted-host = pypi.tuna.tsinghua.edu.cn第四步：将保存好的pip文件后缀txt改为ini，到此就...

原创 Transformer中的position encoding(位置编码二)

本文依旧采用4*4大小的词嵌入模型，和模仿3*3大小的特征图进行解读——可学习编码1.根据自己模型中的定义的最大特征图大小进而定义词嵌入模型大小。假设模型中的特征图大小不超过4*4，那么我定义的词嵌入模型大小就为4*4，同正余弦编码一样，采用10维数据进行编码。生成行方向的词嵌入模型(4 ,10)，及生成列方向的词嵌入模型(4 , 10)，进而生成4*10的随机权重值并均匀分布在0-1之间。row_embed = nn.Embedding(4, 10)#生成行方向词嵌入模型col_embe.