机器人视觉
文章平均质量分 84
必修居士
小弟必修,来自中大,希望能为解放人类尽一份力
展开
-
YOLOv3_论文学习
YOLOv3: An Incremental ImprovementAbstractIntroductionThe DealBounding Box Prediction这篇文章读下来,作者似乎有一点点疲倦了,从他的预期中似乎有一点点英雄垂暮之感。可能是我误会了吧,让我们一起来看看。Abstract模型更大了,效果也好,但还是很快的。Introduction感叹自己没怎么做研究,这次再YOLO做了一点改进,同时也帮了别人一点忙似乎是因为他要引用YOLO的一些更新,没有文章来源,所以写了这篇技术原创 2021-06-15 12:48:14 · 720 阅读 · 2 评论 -
netron对神经网络可视化
netron对神经网络可视化1 安装netron2 测试3 解读1 安装netron在环境下安装,pip insall netron2 测试用以下代码测试import torchimport torch.nn as nnimport torch.nn.functional as Fimport torch.onnx import netron class ForwardNet(nn.Module): def __init__(self): super(原创 2021-06-15 09:04:39 · 810 阅读 · 1 评论 -
YOLO代码解读_model.py
1 概述这个文件主要由两个类Darknet YOLOLayer,几个函数create_modules,get_yolo_layers,load_darknet_weights,save_weights,convert,attempt_download组成Darknet的构造函数先是调用了parse_model_cfg,create_modules,get_yolo_layers三个函数,所以我们先从他们入手,再进一步分析。2 导入库文件utils里面有很多重要的工具,后面要了解了解fro原创 2021-06-09 09:15:16 · 2354 阅读 · 6 评论 -
目标检测的评价指标P,R,mAP
目标检测的评价指标P,R,mAP1 基本概念1.1 IOU(Intersection over Union)1.2 TP TN FP FN2. 各种率2.1 根据IOU计算Precision、Recall3. PR曲线4. mAP的计算4.1 AP的计算4.2 mAP4.3 mAP@0.5和mAP@0.5:0.951 基本概念1.1 IOU(Intersection over Union)交集除以并集,这样可以更好的表示两个框的重合程度1.2 TP TN FP FNTP(Truth Positi原创 2021-06-07 23:06:36 · 10938 阅读 · 7 评论 -
YOLO代码解读_train.py
https://github.com/ultralytics/yolov3/tree/archive数据已经处理完了,因为本次需要对模型进行更改,所以需要对代码有一个基本的了解,模型修改会影响到很多地方从train.py开始训练YOLO代码解读_train.py1 前面一些代码1.1 导入相关的库1.2 apex加速1.3 加载一些路径1.4 ==超参数的定义==1.5 读取文件,来修改超参数1.6 如果f1_gama大于0,就打印2 主函数2.1 从命令行读取参数2.2 对读取的输入进行处理2.3原创 2021-06-05 19:09:56 · 1553 阅读 · 0 评论 -
图像分割与目标检测与区别
检测与分割的区别:https://www.leiphone.com/category/yanxishe/Fah5xOL3Qb96k1NL.html目标检测:预测包围盒YOLO,Fast-RCNN,似乎还有个SSD输入:一个矩阵(输入图像),每个像素有 3 个值(红、绿、蓝),如果是黑色和白色,则每个像素有 1 个值输出:由左上角和大小定义的边框列表图像分割:预测掩模记得最早是FCN?Mask RCNN,Unet,Segnet输入:是一个矩阵(输入图像),每个像素有 3 个值(红、绿、蓝),如果原创 2021-05-30 10:44:01 · 6849 阅读 · 1 评论 -
YOLOv2——论文整理
YOLO9000:Better, Faster, StrongerAbstractIntroductionMain improvement1 Better1.1 YOLO存在的缺点1.2 改进的方法2 Faster3 StrongerYOLO做的是,是将目标检测的包围盒预测和类别预测做成一个统一的过程,更快,效果也不错;但是定位不准,小物体检测效果不佳。AbstractYOLO9000:先进,实时的目标检测方法,可检测9000多类物体多尺度训练方法( multi-scale training),相原创 2021-05-27 16:13:31 · 941 阅读 · 0 评论 -
YOLO学习_论文学习
标题Y ou Only Look Once:Unified, Real-Time Object Detection你只看一次:统一的实时目标检测统一的实时的目标检测摘要新的目标检测算法。先前的目标检测算法改变了分类器的用途以执行目标检测。【先前工作指什么?如何改变的?】本文把目标检测定义为 解决空间分离的包围盒以及相应的类别概率 的问题。单个神经网络,在一次评估中,从完整图像中,预测边框和类别概率。由于整个检测过程是一个单一的网络,因此可以直接根据检测性能,进行端到端的优化。特原创 2021-05-18 10:19:00 · 572 阅读 · 0 评论