HFUT_St-CSDN博客

原创 Windows从零安装MMDetection

参考官方文档：https://mmcv.readthedocs.io/en/latest/get_started/build.html#prerequisitehttps://mmdetection.readthedocs.io/zh_CN/v2.21.0/get_started.html#mmdetection安装环境及依赖：Windows 10Python 3.8 (Anaconda虚拟环境)PyTorch 1.8.1（对应torchvision的版本为0.9.1）cudatoolkit=

2022-03-03 16:21:00 1570 7

原创目标检测——基本评价指标

科研的基础，是要有一套可以客观评价方法效果的指标，这样不同的方法才具有可比性。而目标检测任务相比图像分类任务更为复杂，随着研究的深入，各种各样的评价指标相继出现，针对不同任务，侧重的评价指标也各不相同，这里对目标检测中出现的基本评价指标做一点总结。评价指标基础针对正负样本二分类问题，有以下这些指标，这是理解后续内容的基础。TP（True Positive）：预测为正样本，真值也为正样本；FP（False Positive）：预测为正样本，真值为负样本；TN（True Negative）：预测为负

2021-12-01 16:50:00 3466

原创深度学习实战——Pytorch在CIFAR10数据集上训练ResNet

之前写的分类框架代码找不到了，又写了一份备份，完善了一些东西，还有更多想实现的功能，等之后时间多了再说吧。整体代码不难，加了代码注释和一些参数坑的注释，方便梳理图像分类的流程以及避坑。后续可能会继续完善代码，增加Inference代码之类的，再说吧。Pytorch在CIFAR10数据集上训练ResNetimport torchimport torch.nn as nnimport torch.optim as optimfrom torchvision.models import resnet

2021-11-10 10:55:02 2628

原创论文总结——You Only Look Once (YOLOv1)

继续学习目标检测！详情参看原论文：You Only Look Once: Unified, Real-Time Object Detection (https://arxiv.org/pdf/1506.02640.pdf)总结放在最前面！YOLO创新性地将目标检测看作Bbox坐标和类别概率的回归问题，并用单独一个端到端的网络，直接将整张图片作为输入，预测目标在整张图像上的相对位置和类别，在检测速度和泛化能力上显著优于当时的state-of-the-art方法，让实时(Real-time)目标检测成为可

2021-11-02 15:58:21 1496

原创论文总结——Faster R-CNN（Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks）

详情参看原论文：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks（https://arxiv.org/pdf/1506.01497.pdf）1.发现问题目标检测的发展从R-CNN到SPP-net、Faster R-CNN，网络的速度已经有了很大的提升，特别是Fast R-CNN，在忽略生成region proposal步骤耗时的情况下，已经可以达到接近实时的检测速度。这就使得生成region p

2021-10-20 16:30:26 197

原创论文总结——【医学影像】Classifcation and mutation prediction from histopathology images using deep learning

这是2018年10月发表在Nature上的一篇论文，论文中提到将深度学习卷积神经网络用于肺癌的分类和突变预测。这几天按导师要求看了这篇论文，这里总结一下，防忘。详细内容参考：Classifcation and mutation prediction from non-small cell lung cancer histopathology images using deep learning摘要组织病理学切片的视觉检视（Visual inspection）是病理学家判断癌症阶段、类型、肺癌子类型的

2021-10-19 10:59:50 313

原创论文总结——Fast R-CNN

详情参看原论文：Fast R-CNN（https://arxiv.org/pdf/1504.08083.pdf）发现问题&关注点作者团队主要关注了R-CNN和SPP-net的几个缺点：R-CNN和SPP-net的训练是一个繁琐的多阶段训练：一要fine-tune卷积网络、二要训练分类器（SVM）、三要训练回归器；R-CNN和SPP-net训练耗时耗力：多阶段训练带来的弊端导致要训练SVM和回归器，从每张图片的每个proposal提取出特征都必须要先写在硬盘上；R-CNN检测速度很慢：R-

2021-10-14 13:45:46 78

原创论文总结——SPP-net (Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition)

为明年的研究生学习打点基础，准备全面的补一下目标检测的相关知识。因为目的性较强，所以会忽视目标检测外的一些内容，比如针对图像分类的内容，但实际上图像分类也可以看做目标检测的一部分，所以不会对整体理解造成很大影响。详情参看原论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition发现问题作者团队考虑到CNNs具有要求输入图像的尺寸一定的特性，而在现实生活中这样的要求往往很难满足。当时的研究人员的普

2021-10-11 15:58:05 370

weixin_46266147的博客

原创 Windows从零安装MMDetection

原创目标检测——基本评价指标

原创深度学习实战——Pytorch在CIFAR10数据集上训练ResNet

原创论文总结——You Only Look Once (YOLOv1)

原创论文总结——Faster R-CNN（Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks）

原创论文总结——【医学影像】Classifcation and mutation prediction from histopathology images using deep learning

原创论文总结——Fast R-CNN

原创论文总结——SPP-net (Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition)

原创论文总结——R-CNN(Rich feature hierarchies for accurate object detection and semantic segmentation)

原创论文总结——SIPaKMeD宫颈细胞Pap涂片数据集

原创论文总结——AlexNet(ImageNet Classification with Deep Convolutional Neural Networks)

原创《数学之美》中的模型及启示总结

空空如也

空空如也