- 博客(4)
- 收藏
- 关注
RSS订阅原创 task4-不讲武德-炼丹
训练与测试 有关目标检测的神经网络，损失函数主要有两个部分组成，一个是分类的损失函数，一个是边界框回归的损失函数，第一个的作用就是对类别进行预测，而第二个的作用是使神经网络回归出边界框回归参数，已实现对预测出来的框进行调整。目标检测已经得到了长足的发展。令人惊叹。 到此，建立完损失函数后，定义完网络的前向传递过程后，就可以对网络进行训练了。目标检测训练的epoch一般都比较多，很多都在300个左右。精度的提升方法，主要在于提取特征的backbone网络的更细，以及损失函数的调整等方面。 ...
2020-12-27 22:01:25
73
原创 task3 损失函数设计
task3 损失函数设计 正负样本的选取 大家都知道，一个图片中其实真正的框是很少的，那么样本是远远不够的，那么怎么办呢，首先我会生成很多先验框，分别看这些框与真实框的交集，通过一些策略从很多的框中选出正样本和负样本来进行训练。 损失函数 损失函数应该包括两个部分，一、是类别额损失函数，也就是说判断框住物体的类别。二、就是候选框回归损失函数，建立框和实际框之间的损失函数。再将两种损失函数进行加权叠加，最后就会得到整体的损失函数，放入到网络中训练即可。 ...
2020-12-22 21:25:34
113
原创 task2-练死劲儿-先验框
目标检测之anchor 众所周知，目标检测最终得到的结果是一个一个框，不是直接一个分类概率那么简单，不仅需要知道框住的物体的类别，也要输出框住物体的位置。那么如果刚接触目标检测的人来说，最正常的想法就是将图片拆分成很多个窗格，每个窗格去判断里面存不存在物体，存在就直接输出。 更进一步的想法就是，不是窗格输出之后就结束了，还要去调整窗格的位置，可以建立窗格的回归参数网路。 但是很显然，一个一个遍历的方式是在是太繁琐，时代进步都是快字最重要，那么怎么生成这样的窗格呢。下面该介绍卷积的作用了。卷积核的作用其实就是
2020-12-19 20:59:24
81
1
原创 目标检测学习-task1：目标检测基本知识以及voc数据集
目标检测学习-task1：目标检测基本知识以及voc数据集 目标检测基本知识 目标检测与传统的分类相比有很大的不同，首先他要生成anchors，这就意味着不光要判断出目标的类别，也要能给出目标回归框的参数，这就需要特殊的算法结构来实现这个目的 voc数据集 由于voc数据集本身较为复杂，首先应该编写数据预处理程序，将复杂的数据集进行信息提取，以便后续的训练，数据预处理结束后就要建立dataloader，这是pytorch中一种特殊的也是必要的数据加载方法，在使用时要继承dataset的类，然后设置batch
2020-12-16 22:57:34
129
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