计算机视觉
春水煎茶
这个作者很懒,什么都没留下…
展开
-
XML格式数据集转TXT(亲测有效)
用于目标检测数据集更改格式的脚本。原创 2022-06-02 18:25:43 · 2278 阅读 · 10 评论 -
colab挂载google drive的小tip
在colab上选择好gpu后挂载from google.colab import drivedrive.mount('/content/drive')在google上上传数据集文件夹的话极容易卡网页,所以建议上传压缩文件,要想快速上传可以选择上传到GitHub从colab上下载的方法。解压rar文件!pip install pyunpack!pip install patoolfrom pyunpack import ArchiveArchive('/content/dr原创 2022-05-25 15:12:04 · 360 阅读 · 0 评论 -
批量修改文件夹下文件名的脚本
修改地址即可,若文件夹内仍有文件夹自动遍历文件夹,没有则仅遍历文件。此脚本适用于要在文件名前加文件夹名的情况,可自行修改。package com.jnd.text;import java.io.File;public class jiaoben { public static void main(String[] args) { name("E:\\car\\数据集\\DETRAC-test-data\\Insight-MVT_Annotation_Test");//原创 2022-05-17 20:04:10 · 1178 阅读 · 0 评论 -
单阶段和两阶段目标检测
在目标检测算法中,目标边框从无到有以及边框变化的过程在一定程度上体现了检测是两阶段还是单阶段的。Two-stage:第一阶段:专注于找出目标物体出现的位置,得到建议框,保证足够的准确率和召回率第二阶段:专注于对建议框进行分类,寻找更精确的位置优缺点:通常精度较高,但速度较慢典型算法:R-CNN、SPP-Net、Fast R-CNN 和 Faster R-CNNOne-stage:第一阶段:专注于找出目标物体出现的位置,得到建议框,保证足够的准确率和召回率...原创 2022-04-20 10:16:42 · 15908 阅读 · 2 评论 -
消融实验(ablation study)
消融实验主要就是为了控制变量。比如说你为了提升baseline的性能,给它加了两个模块A,B,加完之后效果果然提高了很多。于是你急急忙忙开始写论文,写到你的贡献,你给了两条:1.模块A,2.模块B。但是这样写有个问题:尽管AB同时加上去对模型有提升效果,但是你并没有证明A、B两个模块分别都是有意义的。所以为了验证A、B两个模块是不是真的都有用,你需要做ablation study。方法也很简单:在baseline的基础上加上模块A,看效果。...转载 2022-03-16 15:44:20 · 15528 阅读 · 1 评论 -
数据增强介绍
数据增强的作用: 当数据不足的时候数据增强方法:1、翻转 2、旋转 3、比例缩放 4、裁剪 5、移位 6、高斯噪声 7、条件对抗神经网络(改变图片的季节等)...原创 2022-03-14 12:00:58 · 8750 阅读 · 0 评论 -
conda
conda常用命令:查看当前系统下的环境:conda info -e创建新的环境:# 指定python版本为2.7,注意至少需要指定python版本或者要安装的包# 后一种情况下,自动安装最新python版本conda create -n env_name python=2.7# 同时安装必要的包conda create -n env_name numpy matplotlib python=2.7环境切换:# 切换到新环境# linux/Mac下需要使用source.原创 2022-03-07 20:05:04 · 478 阅读 · 0 评论 -
yolov4简单介绍
目标检测器(Object detector):Input:image,patches,image pyramid,...Backbone:VGG16,ResNet-50,ResNeXt-101,Darknet53...Neek:FPN,PANet,Bi-FPN,...Head:Dense Prediction:RPN,YOLO,SSD,RentinaNet,FCOS,...Sparse Prediction:Faster R-CNN,R-FCN,......原创 2022-03-07 19:52:29 · 5349 阅读 · 0 评论 -
多目标跟踪入门
单目标跟踪和多目标跟踪的区别: 单目标跟踪是指在视频的初始帧上框出单个目标,然后预测后续帧中该目标的大小和位置,单目标跟踪典型算法有:Mean Shift、TLD(基于在线学习的跟踪)、KCF(基于相关滤波性)。多目标跟踪不像单目标跟踪一样先在初始帧上框出单个目标,而是追踪多个目标的大小和位置,且每一帧中目标的数量和位置都会有变化,多目标跟踪算法典型有:SORT、DeepSORT。多目标跟踪MOT(Multi-Object-Tracking):主要任务是给定一...原创 2022-03-02 19:31:44 · 2065 阅读 · 0 评论 -
时序动作检测
最终的结果是得到图像或视频段中目标的行为类别。视频中人体行为识别主要分为两个子方向。行为分类/识别 Action Recognition给定一个包含一段明确的动作的视频片段进行分类,使用的视频序列数据都先将动作分割好了,时间较短(几秒钟)且有唯一确定的标签。所以也可以看作是input为视频,输出为label。时序动作检测 Temporal Action Detection主要解决的是两个任务:localization+recognization1)where:什么时候发生动作,即开始和结束时原创 2021-12-12 16:13:39 · 1098 阅读 · 1 评论 -
SlowFast 论文关键点解读
原论文SlowFast Networks for Video Recognition这篇工作是何恺明团队在2019年提出的分开处理空间信息和时序信息的方法。自然图像里空间维度x轴和y轴两个方向具有相同的可能性,但视频里,并不是所有的时空方向都有相同的可能性,慢动作比快动作的可能性大。因此就不应该对称的看待空间和时间,所以使用了两个分支来分解处理。关于这篇文章的动机,原文写得非常好,机器之心有一篇《快慢效果结合好》的推文阐述得很详细了,我就不在此赘述。而直接进入技术细节。模型架构网络架构如图所示。原创 2021-12-11 20:27:34 · 1847 阅读 · 0 评论 -
训练Yolov5神经网络(本地)
使用coco数据集训练:首先运行train.py,自动下载coco128数据集,并开始训练(之后也可以调整位置训练自己的数据集)制作和训练自己的数据集:1、首先创建dataset.yaml指出数据的根目录位置,如下所示:path: ../datasets/coco128 # 数据集根目录train: images/train2017 # 训练图片位置val: images/train2017 # 验证图片位置test: # 测试图片位置然后指定训练中有...原创 2021-12-09 22:07:21 · 3148 阅读 · 0 评论 -
目标检测算法分类
目标检测算法分类:1、两步走的目标检测:先找出候选的一些区域,再对区域进行调整分类 代表:R-CNN、SPP-net、Fast R-CNN、Faster R-CNN2、端到端的目标检测:采用一个网络一步到位,输入图片,输出有哪些物体,物体在什么位置 代表:YOLO、SSD目标检测的任务:分类原理: 如下是一张...原创 2021-12-07 22:47:32 · 9467 阅读 · 0 评论 -
迁移学习(Transfer Learning)
迁移学习定义: 潜移学习就是利用数据、任务或模型之间的相似性,将在旧的领域学习或训练好的模型,应用于新的领域这样一个过程。两个任务的输入属于同一性质:要么是图像、要么同时语音或其他。使用情况:1、当拥有海量的数据资源时,可以不需要使用迁移学习,机器学习很容易从海量数据中学习到鲁棒性很强的模型。但通常情况下,我们需要研究的领域可以获得数据极为优先,在少量的训练样本上精度极高,但是繁华效果极差。2、训练成本,很少从头开始训练一整个深度卷积网络,从头开始训练一个卷积网络通常需要较...原创 2021-12-03 10:50:17 · 1500 阅读 · 0 评论 -
目标分割、目标检测、目标识别、目标跟踪
通常先后顺序是:目标分割—> 目标检测 —> 目标识别 —> 目标跟踪目标分割:把目标分割成有意义的几块或着提取其中感兴趣区域,方法有很多比如人脸识别,行人检测。目标检测:定位目标,确定目标位置及大小。检测具有明确的目的性,需要检测什么就去获取样本,然后训练得到模型。目标识别:定性目标,确定目标是什么。预先获得感兴趣图片或区域,然后利用机器学习方法进行分类。目标跟踪:追踪目标的运动轨迹。不一定使用模式识别的方法,使用简单的目标时间空间匹配就可以实现,也可以使用检测...原创 2021-09-07 14:45:36 · 2051 阅读 · 0 评论