weixin_45103604的博客

v1:2016CVPR45FPS 448*44863.4mAP一、论文思想1、将一幅图像分成SxS个网格(grid cell)， 如果某个object的中心 落在这个网格 中，则这个网格就负责预测这个object。

ip地址查询 ip查询 查ip 公网ip地址归属地查询 网站ip查询 同ip网站查询 iP反查域名 iP查域名 同ip域名labml.ai Annotated PyTorch Paper Implementations

SSD:Single Shot MultiBox Detectorwei liu 在ECCV2016上发表，对于300*300网络使用Nvidia Titan X在VOC2007测试集上达到74.3%map以及59FPS。Faster RCNN存在的问题1。对小目标检测效果很差，只是在一个特征层预测，特征层已经被抽样到一个非常高的层次，细节信息保留就越少，比较抽象。2。模型大，检测速度较慢，关键两步走，rpn和fasterrcnn共进行两次预测，twostage网络的通病。SSDVGG1

torch 1.10以上 对应torch vision不含fpn结构（一个预测特征层）修改train文件更改create_model导入包import osimport datetimeimport torchimport transformsfrom network_files import FasterRCNN, AnchorsGeneratorfrom my_dataset import VOCDataSetfrom train_utils import GroupedB

解决警告UserWarning: torch.meshgrid: in an upcoming release, it will be required to。。。。解决方法：将return _VF.meshgrid(tensors, **kwargs) # type: ignore[attr-defined]修改为return _VF.meshgrid(tensors, **kwargs, indexing = ‘ij’) # type: ignore[attr-defined]，警告解除———