datdawhale学习
我是你的小番茄
这个作者很懒,什么都没留下…
展开
-
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。 ...原创 2020-12-22 20:54:46 · 409 阅读 · 0 评论 -
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) ...原创 2020-12-19 01:13:53 · 87 阅读 · 2 评论 -
Task02 - 艺术画笔见乾坤
学习记录原创 2020-12-18 23:34:41 · 78 阅读 · 1 评论 -
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原创 2020-12-16 22:15:09 · 85 阅读 · 0 评论 -
Task01:Matplotlib初相识
Matplotlib基础用法 1. 引用 import matplotlib.pyplot as plt 2. 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,在原创 2020-12-14 19:51:46 · 62 阅读 · 0 评论