- 博客(13)
- 收藏
- 关注
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
704
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
586
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
392
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
963
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
729
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