目标检测
萌哒哒的CXY
大二计科女
展开
-
PyTorch and torchvision versions are incompatible报错: Error: Couldn‘t load custom C++ ops.
就是版本不对应的问题 对应版本如下原创 2021-08-22 12:44:00 · 565 阅读 · 0 评论 -
目标检测 训练阶段
使得预测的框和真正的grid turth一致IOU比较大的框去负责拟合YOLOv1的损失函数第一项负责检测物体的bounding box中心点定位误差第二项负责检测物体的bounding box宽高定位误差第三项负责检测物体的bounding box置信度误差...原创 2021-08-17 15:19:02 · 130 阅读 · 0 评论 -
预测阶段 后处理 置信度过滤 非极大值抑制
NMS——非极大值抑制把低置信度的过滤掉,把重复的框只保留一个5是第一个bounding box的 第二个5是第二个bounding box的20个类别的条件概率把条件概率和置信度相乘,就得到了全概率IOU是交并比,当交并比大于0.5的时候,就留更大的框。并且0.5这个阈值可以调,如果阈值调整为0.1,那么就说明NMS是非常强的。...原创 2021-08-16 14:57:02 · 326 阅读 · 0 评论 -
目标检测 —— 预测阶段
以YOLO v1 为例输入的是448×448×3(rgb三通道)的图像,输出的是7×7×30的tensor为什么是7×7×30呢1.首先网络是把图像划分成 S×S个grid on input在YOLO v1中 S = 7 所以是7×7个网格2.每一个网格可以预测B个bonding box在YOLO v1中 B = 2每一个bonding box 包含四个位置参数(x,y,h,w)和一个置信度参数©框越粗表示置信度C越高每个grid cell预测一组条件类别概率结合这两个信息就可以获得最后原创 2021-08-15 15:18:07 · 275 阅读 · 0 评论 -
目标检测综述
1.计算机视觉解决的问题:定位 localization分类 classification分割 segmentation1.1 分割语义分割实例分割2.目标检测的流派:一阶段 one-stage (YOLO)二阶段 two-stage(RCNN、Faster RCNN)3.常见数据集VOC 2012 、 VOC 2017MS-COCO引用自:文献综述:Object Detetion in 20 Years: A Surveyhttps://scholar.goog原创 2021-08-14 20:01:19 · 117 阅读 · 0 评论