目标检测
javey_
这个作者很懒,什么都没留下…
展开
-
目标识别:SSD pytorch代码学习笔记(2)——先验框
先验框生成✔️ SSD从Conv4_3开始,一共提取了6个特征图,其大小分别为 (38,38),(19,19),(10,10),(5,5),(3,3),(1,1),但是每个特征图上设置的先验框数量不同。✔️ 先验框的设置,包括尺度(或者说大小)和长宽比两个方面。对于先验框的尺度,其遵守一个线性递增规则:随着特征图大小降低,先验框尺度线性增加:其中:m指特征图个数,但是为5,因为第一层...原创 2020-03-02 21:13:10 · 1764 阅读 · 1 评论 -
目标识别:SSD pytorch代码学习笔记 (4)——函数篇
相关函数product()product 用于求多个可迭代对象的笛卡尔积(Cartesian Product),它跟嵌套的 for 循环等价.即:product(A, B) 和 ((x,y) for x in A for y in B)一样.它的一般使用形式如下:itertools.product(*iterables, repeat=1)iterables是可迭代对象,repeat...原创 2020-03-02 21:12:45 · 328 阅读 · 0 评论 -
目标识别:SSD pytorch代码学习笔记(3)——损失函数
损失函数✔️ SSD的损失函数包括两部分的加权:位置损失函数 L_loc置信度损失函数 L_conf整个损失函数为:其中:N 是先验框的正样本数量;c 为类别置信度预测值;l 为先验框的所对应边界框的位置预测值;g 为ground truth的位置参数。1.对于位置损失函数针对所以的正样本,采用 Smooth L1 Loss ,位置信息都是 encode 之后的信...原创 2020-03-02 21:12:25 · 2047 阅读 · 0 评论 -
目标识别:SSD pytorch代码学习笔记(1)-模型篇
网络模型整个网络是由三大部分组成:VGG BackboneExtra LayersMulti-box LayersVGG Backbone✔️ 根据SSD的论文描述,作者采用了vgg16的部分网络作为基础网络,在5层网络后,丢弃全连接,改为空洞卷积网络✏️ 值得注意:conv4-1前面一层的maxpooling的ceil_mode=True,使得输出为 38x38;Con...原创 2020-02-21 17:48:44 · 709 阅读 · 0 评论