![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Object Detection
黄小黄i
一个双鱼座的程序猿
展开
-
win10初探yolox之环境安装与训练自己的数据集
最近被yolox爆屏,加上自己对于yolo系列有太多的情节之前还尝试过yolof,现在出现的yolox还有openvino推理,刚好自己会需要这部分内容,现在就尝试进行对其初步探索。一、基础配置cuda 10.1二、环境搭建1、安装yoloxgit clone git@github.com:Megvii-BaseDetection/YOLOX.gitcd YOLOXpip3 install -U pip && pip3 install -r requirements.txtp原创 2021-07-28 14:29:05 · 3141 阅读 · 5 评论 -
目标检测总结
写在前面的话:在前段时间自己开启了找工作的阶段,对于自己所接触的目标检测总体进行了一段总结,自己是写在笔记中上传到这无法显示图片,就直接分享笔记连接,又想看的就去看一下吧。以及下面是常问到的知识:1、roi pooling和roi algin的区别2、F1 scorep: tp/(tp+fp)r:tp/(tp+FN)F1-score : 2(PR)/(P+R)3、优化器4、网络结构:Faster Rcnninception5、dropout和BN6、传统图像处理对于下面的总结全部来原创 2021-04-20 09:44:47 · 1601 阅读 · 0 评论 -
coco2voc
详细代码地址:https://github.com/huangxiaohuangi/coco2voc我这边的数据格式是每个图片对应一个json文件,1、首先利用xml2coco.py将所有的单个json文件整合成一个json文件2、利用json2xml.py将这个json文件分离为每个图片对应的xml文件3、readfilename.py为读取文件夹下的文件名称...原创 2021-01-21 14:46:39 · 336 阅读 · 0 评论 -
yolo数据集制作
操作的代码在https://github.com/huangxiaohuangi/createyolodataset1、首先将json格式的数据标注转换为voc数据的xml格式convert_to_voc.py #先将原始数据转为VOC格式的标注注意在改代码中换成自己的classes2、如果有需要对图片进行线下裁剪的的话,进行make_slice_voc.py#将大图切为小图,重新制作为voc.不需要则进行第三步3、convert_voc_to_v5txt.py #将voc标注转换为yolov原创 2021-01-21 10:58:36 · 391 阅读 · 0 评论 -
mmdetection环境搭建以及使用自己的数据集测试
一、环境ubuntu 18.04cuda 10.1pytorch 1.6二、安装mmcv安装mmcv-full。mmdetection依赖于mmcv,并且要安装pytorch对应的版本,就像torchvision一样,各版本下载链接在https://openmmlab.oss-accelerate.aliyuncs.com/mmcv/dist/index.html注意:一定要选择适合自己的版本否则会报错:Not compiled with GPU support亲身尝试过。。。。三、安装原创 2020-12-29 16:02:31 · 1199 阅读 · 1 评论 -
深度学习总结
入职学习了一段时间也该有个总结了吧。深度学习一、深度学习框架TensorFlow、Pytorch、Caffe、Paddle、MXNet、Kera二、网络层级结构卷积神经网络只是针对图像起到一个特征提取器的作用。1、输入层2、卷积层卷积层是卷积神经网络的核心,而卷积又是卷积层的核心。卷积我们可以直观的理解为两个函数的一种运算,这种运算称为卷积运算。输入和卷积核都是张量,卷积运算就是用卷积分别乘以输入张量中的每个元素,然后输出一个代表每个输入信息的张量。其中卷积核又被称为权重过滤器,也可以称为原创 2020-12-11 09:24:13 · 4227 阅读 · 2 评论 -
对比两个文件夹保留相同文件
img_path = ‘G:/cervical_cancer/data/roi/aug_roi_based_data_generation/train/’label_path = ‘G:/cervical_cancer/data/roi/aug_roi_based_data_generation/label/’dirpath = os.listdir(img_path)for image in dirpath:image_name = image.split(".")[0]if image.spl原创 2020-11-25 13:41:02 · 831 阅读 · 0 评论 -
coco数据集
一、coco数据集字段1、info字段:包括一下字段2、licenses:里面集合了不同类型的licenses,并在images中按照id号被应用,基本不参与数据解析的过程中。3、images:对应每张图片的详细信息,其中的id号是分配的唯一id4、categories:其中supercategory是父类,name是子类,id是类别id(按照子类统计)5:annotation:category_id:该注释的类别idid:当前注释的idimage_id:该注释所在的图片的id号a原创 2020-11-06 15:37:05 · 1037 阅读 · 0 评论 -
SSD
目前主流的目标检测算法有两个类型一个是tow-stage另一个就是one-stage。one-stage主要的思想就是均匀的在图片的不同位置进行密集采样,在抽样的时候可以采用不同尺度和长宽比,然后利用CNN提取特征后直接进行分类和回归,整个过程只需要一步,代表SSD和YOLO。均匀的密集采样的一个重要缺点就是训练比较困难,这主要是因为正样本与负样本非常不平衡,导致模型准确度比较低。SSD(Single Shot MultiBox Detector),single shot是指SSD算法是属于one-原创 2020-10-29 11:13:06 · 210 阅读 · 0 评论 -
利用SSD模型训练自己的数据集
一、运行环境windows10cuda==10.1python=3.7.x二、步骤1、下载SSD代码SSD-pytorch 代码下载地址: https://github.com/amdegroot/ssd.pytorch如果觉得下载比较慢可以参考https://blog.csdn.net/weixin_43218120/article/details/1082530252、准备数据集(1)想先测试的情况下可以使用VOC或者COCO数据集,数据集下载:链接:https://pan.baid原创 2020-10-28 20:59:04 · 2574 阅读 · 0 评论 -
目标检测之FPN
目标检测之FPN从图上可以看出,FPN可以分为三个部分:①、自底向上的部分②、自顶向下的部分③、连接两个部分的跳接网络首先通过bottom-up path way由浅到深提取特征(就是正常的网络结构),在通过top-down path way和lateral connections 生成在每个等级都有丰富语义的特征金字塔,上采样部分采用最临近。Top-down path way其实很简单,高层特征上采样,与同级别的Bottom-up path way中的特征层的尺寸相同,但是其包含的语义信息更原创 2020-10-28 12:00:16 · 373 阅读 · 0 评论