目标检测
文章平均质量分 91
目标检测
江南才尽,年少无知!
志在九天不为乡愁换白发,偏偏年少白衣博天涯!
展开
-
目标检测00-10:mmdetection(Foveabox为例)-源码无死角解析(4)-头部网络bbox_head-推理过程
以下链接是个人关于mmdetection(Foveabox-目标检测框架)所有见解,如有错误欢迎大家指出,我会第一时间纠正。有兴趣的朋友可以加微信:a944284742相互讨论技术。若是帮助到了你什么,一定要记得点赞!因为这是对我最大的鼓励。目标检测00-00:mmdetection(Foveabox为例)-目录-史上最新无死角讲解前言在上篇博客中,已经对 mmdet\models\dense_heads\fovea_head.py 中的 FoveaHead 训练过程进行了讲解。但是推理过程还没有进行原创 2020-09-08 16:46:14 · 565 阅读 · 0 评论 -
目标检测00-10:mmdetection(Foveabox为例)-源码无死角解析(3)-头部网络bbox_head-训练过程
根据主干网网络参数构建主干网络self.backbone=build_backbone(backbone)#如果设置了衔接网络,则构件衔接网络ifneckisnotNoneself.neck=build_neck(neck)#根据配置参数构件头部网络self.bbox_head=build_head(bbox_head)原创 2020-09-08 13:33:50 · 2170 阅读 · 0 评论 -
目标检测00-09:mmdetection(Foveabox为例)-源码无死角解析(2)-模型构建总览
从前面的博客,我们已经知道了数据读取,数据增强,以及训练架构等等。那么接下来,久要深入的了解Foveabox这个网络了。那么这篇博客。我们就来讲解一下其训练的流程吧。主要的相关代码位于mmdet/models文件夹(后续默认都以该文件夹为主-如果没有特别提示)。目标检测00-04mmdetection(Foveabox为例)-config文件注释-持续更新。总的来说,一个网络的构件,主要包含了三个部分,分别为backbone(主干网络),neck(衔接网络),bbox_head(头部网络)。...原创 2020-09-08 13:00:35 · 648 阅读 · 0 评论 -
目标检测00-07:mmdetection(Foveabox为例)-数据读取与数据增强 -(落地重点篇-经验分享)
在项目落地的过程中,我们需要对数据进行各种各样的增强。这样能很好提高模型的泛化能力以及准确率。在文末,我会分享本人在使用mmdetection项目落地过程常用数据增强方式。原创 2020-09-07 16:05:03 · 1622 阅读 · 0 评论 -
目标检测00-08:mmdetection(Foveabox为例)-源码无死角解析(1)-训练架构总览
以下链接是个人关于mmdetection(Foveabox-目标检测框架)所有见解,如有错误欢迎大家指出,我会第一时间纠正。有兴趣的朋友可以加微信17575010159相互讨论技术。因为这是对我最大的鼓励。文末附带公众号−海量资源。...原创 2020-09-07 10:51:16 · 547 阅读 · 0 评论 -
目标检测00-06:mmdetection(Foveabox为例)-白话给你讲论文-翻译无死角-2
到这里为止,实验部分就翻译完成,下面我们就是对代码进行深度解析了。httpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttps。原创 2020-09-06 16:59:44 · 582 阅读 · 0 评论 -
目标检测00-05:mmdetection(Foveabox为例)-白话给你讲论文-翻译无死角-1
我们提出了一种准确,灵活,完全不需要anchor的目标检测算法。几乎所有最先进的目标检测算法,都是基于预定义的anchor去列举目标可能存在的位置,尺寸,边长比例。所以其性收到anchor的限制。然而Foveabox直接学习目标物体的概率值,以及对应boundingbox坐标(不参考任何anchor)。其都是通过一下方式实现的1.预测目标是否准在。对应的概率分布特征图。2.为每个可能存在目标物体的特征像素,进行boundingbox的预测,。httpshttps。...原创 2020-09-05 13:48:44 · 1052 阅读 · 0 评论 -
目标检测00-04:mmdetection(Foveabox为例)-config文件注释-持续更新
该章节的内容比较单调,把cfg文件注释单独作为一篇博客列出来,是为了大家方便查找和分析(如果有错误的地方,需要大家及时指出)。本人在进行测试训练的时候,就是使用该配置,对应的数据集已经在前面的博客公布了。mmdetection的config文件不能存在中文注释,所以我提供了两个版本,即注释版本,和非注释版\color{red}{mmdetection的config文件不能存在中文注释,所以我提供了两个版本,即注释版本,和非注释版}mmdetec。...原创 2020-09-03 17:14:00 · 1087 阅读 · 0 评论 -
目标检测00-03:mmdetection(Foveabox为例)-训练自定义的coco数据集(提供示例数据集)
通过前面的博客,我们已经知道怎么去评估以及训练一个模型,但是都是基于官方的数据集进行训练,那么我们如何去训练自己的数据呢?那么这篇博客我们来为大家讲解,首先请大家下载好该数据集,如果连接失效,请留言,本人会及时更换https提取码94uk下载好之后,本人摆放的位置如下放置好之后,那么我来简单的介绍一下该数据集。该数据集主要是一个仪表数据集,总共就一个类别,如果加上背景则为2个类别,打开其中的test.json即可查看,如下其中的categories的内容为只有一个类别。...原创 2020-09-03 16:16:09 · 1137 阅读 · 7 评论 -
目标检测00-02:mmdetection(Foveabox为例)-官方数据训练测试-COCO
以下链接是个人关于mmdetection(Foveabox-目标检测框架)所有见解,如有错误欢迎大家指出,我会第一时间纠正。有兴趣的朋友可以加微信17575010159相互讨论技术。因为这是对我最大的鼓励。文末附带公众号−海量资源。该系列博客主要以Foveabox为例注意,本人编写该博客的时间为2020/09/02,也就是说,你现在下载的作者代码或许和本人的代码不一样(如果作者有更新过)还有就是,本人调试该代码为ubuntu18.04系统即下面的报错使用ubunt。...原创 2020-09-03 12:50:30 · 1243 阅读 · 0 评论 -
目标检测00-01:mmdetection(Foveabox为例)-资源下载(前奏准备)
以下链接是个人关于mmdetection(Foveabox-目标检测框架)所有见解,如有错误欢迎大家指出,我会第一时间纠正。有兴趣的朋友可以加微信17575010159相互讨论技术。因为这是对我最大的鼓励。文末附带公众号−海量资源。该系列博客主要以Foveabox为例。...原创 2020-09-02 19:08:39 · 766 阅读 · 0 评论 -
目标检测00-00:mmdetection(Foveabox为例)-目录-史上最新无死角讲解
接下来,我会为大家无死角的解析mmaction2(SlowFast-动作识别),之前的文章,如下(以下是我工作的所有项目,每一个项目都是,我都做了百分百的详细解读,随着项目增多,为了方便不臃肿,所以给出以下链接)视觉工作项目-为后来的你,提供一份帮助!我相信,关于mmdetection(Foveabox)的讲解,我的这一系列博客或许不是国内最早的,但是肯定是最详细的,该网络对应的论文为:FoveaBox: Beyond Anchor-based Object Detector如果本人代码修改了很多,原创 2020-09-02 18:59:12 · 2644 阅读 · 0 评论 -
detectron2(目标检测框架)无死角玩转-10:源码详解(6)-anchor的使用,loss计算
通过上一篇的博客,我们已经知道anchor是如何生成的了,这里再提一下,每个特征特的每个网格,都会对应生成多个anchor。下面我们看看这些anchor是如何使用的,或者说它有什么作用。#生成anchoranchors=self.anchor_generator(features)#如果是训练,则结合ground_truth计算lossifself.training可以看到无论是训练过程,还是预测过程,都使用到了生成的anchor。那么我们就先深入了解一下训练的anchor。...原创 2020-03-07 14:14:29 · 3307 阅读 · 8 评论 -
detectron2(目标检测框架)无死角玩转-09:源码详解(5)-anchor生成
深度解剖(5)白话谈anchor(锚点),不懂来找我!看过之后,我相信大家对于anchor算是有一定了解了,那么我们就开始深入的了解anchor,我们以detectron2中的RetinaNet为例子来讲解。原创 2020-02-11 22:01:26 · 3206 阅读 · 2 评论 -
detectron2(目标检测框架)无死角玩转-08:源码详解(4)-数据预处理,数据增强
该篇博客,主要讲解的是数据预处理,其还包含了数据增强,如中心剪切,多尺度训练等等。原创 2020-01-29 19:59:11 · 8404 阅读 · 14 评论 -
detectron2(目标检测框架)无死角玩转-07:源码详解(3)-模型构建-RetinaNet为例
通过前面的介绍,我们对于detectron2可以说总体上已经是十分的了解了,接下来我们来看看网络模型的构建。其首先通过META_ARCH_REGISTRY=Registry(“META_ARCH”)加载模型容器,然后通过meta_arch=RetinaNet构建,并且获得RetinaNet模型。到这里,分析得算是比较细致了,后面我们研究的就是数据预处理,anchor了,以及loss的计算了。后面再讲。武汉加油,中国加油。待桃李盛开之时,定是你我煮酒共事之初!httpshttps。...原创 2020-01-28 20:59:31 · 5835 阅读 · 5 评论 -
detectron2(目标检测框架)无死角玩转-06:源码详解(2)-Trainer继承关系,Hook
int)try我这里删减了很多注释,大家可以阅读一下源码的英文注释。#已经实现defafter_train(self)#已定义,待子类实现defrun_step(self)通过源码为我们可以知道,after_train,after_train,before_step他们的实现过程真的很简单,就是循环调用self._hooks中对应的函数,那么self._hooks是什么东西呢?翻译过来为钩子!不急我们先放一放,其中的实现的"""其实还是很好理解的,一路分析到这里,已经完成了反向传播。...原创 2020-01-27 17:24:59 · 4806 阅读 · 2 评论 -
detectron2(目标检测框架)无死角玩转-05:源码详解(1)-总体架构分析
根据前面的博客,已经知道如何去训练自己的数据,本人是在之前的编写的程序上进行分析,也就是使用configs/My/retinanet_R_50_FPN_3x.yaml配置文件。说到底,其核心在于Trainer(cfg),既然如此,我们就来对其解剖一下。接下来,我们的任务就是去分析每一个细节了。httpshttps。...原创 2020-01-19 18:13:20 · 10730 阅读 · 5 评论 -
detectron2(目标检测框架)无死角玩转-04:训练自己的数据
以下链接是个人关于detectron2(目标检测框架),所有见解,如有错误欢迎大家指出,我会第一时间纠正。有兴趣的朋友可以加微信:a944284742相互讨论技术。若是帮助到了你什么,一定要记得点赞!因为这是对我最大的鼓励。detectron2(目标检测框架)无死角玩转-00:目录前言通过前面的博客,我们已经知道怎么去评估以及训练一个模型,但是都是基于官方的数据集进行训练,那么我们如何去训练......原创 2020-01-18 18:30:07 · 10119 阅读 · 50 评论 -
detectron2(目标检测框架)无死角玩转-03:配置config解析-实时更新
前面,我提醒大家注意,类似SOLVER.IMS_PER_BATCH,SOLVER.BASE_LR这样的配置,需要写在指令的最后面,那么这些到底是什么,我们应该如何去配置,在训练的时候,我相信大家都能看到如下打印那么这些到底是怎么呢?下面,就是本人注释的结果!如有错误欢迎指出,本人会在第一时间进行修改,为了后来人,贡献我们的每一份力量\color{red}{如有错误欢迎指出,本人会在第一时间进行修改,为了后来人,贡献我们的每一份力量}...原创 2020-01-18 16:03:39 · 11531 阅读 · 12 评论 -
detectron2(目标检测框架)无死角玩转-02:训练,测试coco数据
通过前面的博客,我们知道如何去使用官方已经训练好的模型,接下来当然是训练自己的模型呗,为了验证流程的正确,我们先使用coco数据集进行训练,因为这也是官方默认支持的数据集,比较容易操控,那么我们就开始吧现在,我们已经知道如何去训练官方的coco数据集,那么接接下来我们就去训练自己的数据,今天是小年哈,祝大家2020年抬头不见bug,低头就见姑娘。对象总比bug多!!httpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttps。...原创 2020-01-18 11:41:40 · 11172 阅读 · 28 评论 -
detectron2(目标检测框架)无死角玩转-01:框架安装,以及demo测试(winds + linux)
到这里为止,我们已经安装好了detectron2,并且进行了demo演示,那么接下来我们就去训练coco数据集,以及自己的数据集。httpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttpshttps。原创 2020-01-17 19:03:19 · 10343 阅读 · 13 评论 -
detectron2(目标检测框架)无死角玩转-00:目录
接下来,我会为大家无死角的解析detectron2(基于pytorch的目标检测框架),之前的文章,如下(以下是我工作的所有项目,每一个项目都是,我都做了百分百的详细解读,随着项目增多,为了方便不臃肿,所以给出以下链接)视觉工作项目-为后来的你,提供一份帮助!我相信,关于detectron2(基于pytorch的目标检测框架)的讲解,我的这一系列博客或许不是国内最早的,但是肯定是最详细的,废话...原创 2020-01-16 16:44:25 · 18767 阅读 · 15 评论 -
目标检测0-02:YOLO V3-网络结构输入输出解析
以下链接是个人关于YOLOV3所有见解,如有错误欢迎大家指出,我会第一时间纠正,如有兴趣可以加微信17575010159相互讨论技术。原创 2019-08-03 17:47:39 · 19106 阅读 · 18 评论 -
目标检测0-03:YOLO V3-损失函数-史上最全
以下链接是个人关于YOLOV3所有见解,如有错误欢迎大家指出,我们第一时间纠正,如有兴趣可以加微信17575010159相互讨论技术。原创 2019-08-05 10:55:36 · 12199 阅读 · 24 评论 -
目标检测0-00:YOLO V3-tensoeflow论文复现及训练
接下来,我会为大家解析YOLO V3的每一个要点,从论文复现,源码超详细解析,训练自己的数据,模型压缩(剪枝,量化,核稀疏等),物体追踪应用等(只有你没有想到的,没有我讲不到的)。一:资源链接已经有的资源,我就不浪费时间了,直接给出链接:1.YOLO V3论文2.针对YOLO V3各种深度学习框架的复现,如TensorFlow,Keras,PyTorch,感谢这位热心大佬,各种框架基本包揽......原创 2019-08-02 11:13:16 · 1708 阅读 · 2 评论 -
多目标检测0-00:YOLO V3-目录-史上最全
以下是个人关于YOLO V3所有得见解,如有错误欢迎大家指出,我们第一时间纠正,如有兴趣可以加QQ:944284742相互讨论技术。每月深度1-1:YOLO V3-tensoeflow论文复现及训练-史上最全...原创 2019-08-03 16:31:42 · 1847 阅读 · 1 评论