- 博客(5)
- 收藏
- 关注
原创 目标检测损失函数
匹配过程是一个双向选择过程不同方法 ground truth boxes 与 prior bboxes 的匹配策略大致类似,但细节会有所不同。SSD中的匹配策略:首先是正向选择,对每个GT匹配prior box,选取IOU最大的prior box。之后反向选择,剩余的每个prior box匹配到与某GT(IOU大于某一阈值)。之后再剩下的就是负样本了。...
2020-12-22 20:54:46 410
原创 Task02: 练死劲儿-网络设计
先验框与特征图的对应将先验框的设置位置与特征图建立一一对应的关系。而且,通过建立这种映射关系,我们可以通过特征图,直接一次性的输出所有先验框的类别信息以及坐标信息,而不是想前面一直描述的那样,每个候选框都去独立的进行一次分类的预测,这样太慢了。先验框越界问题先验框超出图片界限,越靠近四周的位置的先验框越容易越界,一般用图片尺寸将越界的先验框进行截断。由于进行了归一化,所以使用0-1进行截断。prior_boxes.clamp_(0, 1)...
2020-12-19 01:13:53 87 2
原创 2020-12-16
目标检测基础和VOC数据集以分类角度看目标检测对每个锚框进行分类,分类得分最高的框就代表检测最准确的框。笔记1.在train时一般设置shufle=True打乱数据顺序,增强模型的鲁棒性2.num_worker表示读取数据时的线程数,一般根据自己设备配置确定(如果是windows系统,建议设默认值0,防止出错)3.pin_memory,在计算机内存充足的时候设置为True可以加快内存中的tensor转换到GPU的速度4.在pytorch中,图像的读取要使用Image.open()读取成PIL
2020-12-16 22:15:09 85
原创 Task01:Matplotlib初相识
Matplotlib基础用法1. 引用import matplotlib.pyplot as plt2. figure组成(1)Figure:顶层级,用来容纳所有绘图元素(2)Axes:matplotlib宇宙的核心,容纳了大量元素用来构造一幅幅子图,一个figure可以由一个或多个子图组成(3)Axis:axes的下属层级,用于处理所有和坐标轴,网格有关的元素(4)Tick:axis的下属层级,用来处理所有和刻度有关的元素3. 两种使用方式方式一#显式创建figure和axes,在
2020-12-14 19:51:46 62
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人