- 博客(13)
- 收藏
- 关注
RSS订阅原创 yolov5训练时候的label=0，或只有obj损失
首先我是在公司共用的服务器上保存的coco数据集，所以会出现大家一起用的情况，可能这个cache里保存的就是上一个人用过，有过索引表的cache，跟你生成的train.txt,val.txt文件中的索引是不一样的，那么索引都对应错了，肯定label找不到了，如果没有label的话又怎么会有regress loss 和cls loss 呢？我的yolo训练方法是将images和labels单独放到两个文件夹里，labels是.txt格式，标准的训练yolo格式。
2023-09-27 10:43:47
652
1
原创 coco转换yolo格式数据集，再提取出特定的类别
接着我们提取其中一类的标签（person），person的ID = 0，第一个标签就是person。等数据集处理好了以后，生成train.txt,val.txt索引文件，以便于后续训练使用。然后用下面的代码去将.json文件读取出来，转变为一一对应的.txt标签。这两段代码运行完成后，就可以生成所有的.txt文件类型的标签了。这里我最后生成的unlabel.txt，读者可自行修改一下。这是含有标注信息的所有文件（80类）。图像没什么说的，就是图像数据。
2023-09-26 16:27:27
546
1
原创 在ubuntu上安装docker，并将miniforge里的虚拟环境打包
mkdir Dockerfile.txt, vim Dockerfile.txt去将6中的内容添加进去。下面是在 Ubuntu 上使用 Docker 将 Conda 创建的虚拟环境转换为镜像文件的详细步骤。在虚拟环境中安装你的应用程序所需的软件包和依赖项。使用 Conda 或 pip 安装所需的包.
2023-09-21 13:57:28
327
1
原创 复现论文之对YOLOV7添加可变卷积网络与注意力机制
对yolov7的Transition_Block和Multi_Concat_Block使用可变卷积结构进行替换，使用代码实现
2023-07-29 18:02:56
909
11
原创 对YOLOv7添加CA注意力机制并对数据集进行检测
ps：这里是因为在yolov7的backbone中，输出的特征图为三个，这三个特征图的通道分别为：512，512，1024，所以我们只需要定义两个模块即可。当然如果读者感兴趣可以将CA添加在backbone或者其他地方试试看，也许会有不同的效果。这里的channel指的是输入通道数量，这里一定要注意和上一层网络的输出对应！训练次数2000轮，加入CA注意力机制后的mAP增长了3%，效果还算不错。（后面的没有粘上，读者自行对比），这样就可以训练了。这里建议大家使用B导的代码，注释非常全！
2023-07-24 18:11:52
708
3
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