PaddlePaddle第四章学习笔记

最新推荐文章于 2022-12-15 08:39:04 发布
最新推荐文章于 2022-12-15 08:39:04 发布
阅读量191 收藏
点赞数
分类专栏： 学习笔记 文章标签： 深度学习 python 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_49914213/article/details/108293743
版权
本文是PaddlePaddle学习笔记的第四章，重点介绍了YOLO-V3检测算法的工作原理。该算法通过划分小方格、生成锚框和应用非极大值抑制来定位物体。以林业病虫害数据集为例，详细阐述了数据处理、交并比计算以及如何使用非极大值抑制进行正负样本筛选。后续内容包括损失函数构建、模型建立和端到端训练。
摘要由CSDN通过智能技术生成

PaddlePaddle第四章学习笔记

这一章讲的是YOLO-V3算法，这是一个检测算法，就是说这个算法不仅仅要解决分类问题，还要检测出物体的位置在哪。先总体概括一下，这个算法就是将图片划分出许多的小方格，再生成一系列的锚框，这些锚框会把整个图片覆盖掉，然后通过锚框与真实框的交并比采用非极大值抑制的方法生成预测框，最后再将图片经过卷积化处理之后与它关联起来，再做一些微调就可以了。

首先要处理数据，这里以林业病虫害数据集为例。如果想去下载此数据集，请点击下列链接：识虫数据集

首先解压数据集，代码如下：

!unzip -d /home/aistudio/work /home/aistudio/data/data19638/insects.zip

交并比就是两个图形的重合程度，如图1
交并比示意图
重合程度越高，交并比就越高，如图2
交并比与重合程度的关系
计算loU的代码如下：

# 计算IoU，矩形框的坐标形式为xyxy，这个函数会被保存在box_uti
最低0.47元/天 解锁文章
数学是科学大王。
关注
专栏目录
【C语言基础学习】第四天学习笔记
07-15
【C语言基础学习】第四天学习笔记
飞桨PaddlePaddle零基础入门深度学习课程学习总结5(week_3)
weixin_44607838的博客
08-29 244
目标检测初探 和图像分类一样，目标检测也是计算机视觉领域非常重要的一类任务。但是，对于目标检测任务而言，仅仅利用神经网络对整个图像进行特征提取是不够的。这一点其实也非常好理解，因为对整张图提取特征的过程没能体现出不同目标之间的区别，也就意味没有办法标示出每个物体所在的位置。 为了解决上述的问题，目标检测的基本思路就是，我们通过某种方式在输入图片上生成一系列可能包含物体的的区域，我们把这些区域称为候选区域。我们把每个候选区域当作一个样本，并对它们写上标签。再利用图像分类的神经网络对它们进行分类。 对于上面的描
PaddleDetection使用详解(包括常见报错及修复方法)
m0_52364694的博客
04-27 8575
一、PaddleDetection的安装 前言：PaddleDetection依赖paddlepaddle，需要先安装paddlepaddle 1.从github/gitee获取PaddleDetection完整资源 github git clone https://github.com/PaddlePaddle/PaddleDetection.git gitee git clone https://gitee.com/paddlepaddle/PaddleDetection 2.安装相关依赖 解压后进
利用PaddleDetection自制自己的图像预测项目(二)摄像头检测获得坐标
weixin_43134049的博客
08-22 2879
之前去弄硬件和3d打印鸽了很久,现在的话继续上次的利用PaddleDetection的使用说明, 这一篇的目的是调用摄像头进行目标检测,所以要使用opencv. 值得提醒的是,由于版本的变化,在python安装opencv用pip安装的话是pip install opencv-python,而不是pip install opencv, 并且在引用包的时候要写成import cv2,而不是import opencv的形式. 第一步:准备权重文件 在之前的博客里我们已经,训练出了权重文件了,如下图的样子(这里名
菜菜学paddle第七篇：目标检测的基本概念
duzm200542901104的专栏
12-15 840
在前面的几篇中，我们学习了使用卷积神经网络进行图像分类，比如手写数字识别是用来识别0~9这十个数字。与图像分类处理单个物体的识别不同，目标检测它识别的不仅是物体，还是多个物体，不仅要确定物体的分类，还要确定物体的位置。比如下图：目标检测不仅要告诉我们这张图片上既有小狗也有小猫，还要告诉小狗处于左边红色方框内，而小猫处于右边的红色方框内。也即目标检测的输出结果是【目标分类+目标坐标】
PaddlePaddle使用预测模型预测图片时出现输出数据维度错误
PaddlePaddle
02-18 1137
问题描述：在使用预测模型进行预测图片的时候，图片也经过预处理，但是在执行预测的时出现卷积层输入的形状不为4维或者5维的错误。 报错信息： /usr/local/lib/python3.5/dist-packages/paddle/fluid/contrib/inferencer.py in infer(self, inputs, return_numpy) 102 ...
Go学习笔记（第四版）.zip
07-02
Go 学习笔记, 第 4 版 4.4 Struct 47 第 5 章 ⽅法 53 5.1 ⽅法定义 53 5.2 匿名字段 54 5.3 ⽅法集 56 5.4 表达式 56 第 6 章 接⼝ 60 6.1 接⼝定义 60 6.2 执⾏机制 62 6.3 接⼝转换 63 6.4 接⼝技巧 65 第 7 章 ...
计算机科学概论_第四章_学习笔记.odt
04-20
计算机科学概论第十二版的个人笔记
第三章 循环与控制流程的学习笔记
最新发布
09-08
第三章 循环与控制流程的学习笔记
人工智能深度学习笔记第四天
07-31
人工智能深度学习笔记第四天
Paddle框架下的图像边缘检测
weixin_45776027的博客
10-09 614
#Paddle框架：图像边缘检测 import matplotlib.pyplot as plt from PIL import Image import numpy as np import paddle import paddle.fluid as fluid from paddle.fluid.dygraph.nn import Conv2D from paddle.fluid.initializer import NumpyArrayInitializer img = Image.open('1
非极大值抑制(Non-Maximum Suppression)
SnailTyan
12-15 2995
非极大值抑制(Non-Maximum Suppression)
PaddlePaddle学习笔记——Numpy
qq_41347594的博客
06-11 1239
通过np.arange创建 通过指定start, stop (不包括stop)，interval来产生一个1维的ndarray a = np.arange(0, 20, 2) array([ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18]) ndarray数组的统计方法 可以通过数组上的一组数学函数对整个数组或某个轴向的数据进行统计计算。主要包括如下统计方法： mean：计算算术平均数，零长度数组的mean为NaN。 std和var：计算标准差和方差，自由度可调（默认为n）。
百度paddlepaddle入门讲解第二周内容
phosphenesvision的博客
08-24 259
Baidu AI Studio - 2 day8 0818 讲卷积神经网络，神经网络相关内容请参考https://github.com/Phosphenesvision/3.10–/blob/master/%23CNN-brief-introduction.md Q1 大致流程 单张单通道图像卷积，单张图池化，激活函数act和偏置项，padding填充操作，stride步幅操作，单张多通道图像卷积，多张多通道图像卷积。 容易遇到的问题： 卷积过后需要添加偏置项。 多张多通道图像卷积是一个4维的数组，排列顺
PaddlePaddle学习心得
TysonMon的博客
08-29 615
最近通过百度的免费课程学习了PaddlePaddle飞桨的框架，课程很良心，讲的也很仔细，还有配置好的在线运行环境进行训练，终于把多年想学的深度学习相关的知识初步入了个门，并通过代码片段成功运行了AI识虫的项目，训练出了一个有运算能力的模型。 下面汇总一点学习过程中查到的知识，以备后用： 使用清华镜像在python中pip 安装 经常在使用Python的时候需要安装各种模块，而pip是很强大的模块安装工具，但是由于国外官方pypi经常被墙，导致不可用，所以我们最好是将自己使用的pip源更换一下，这样就
PaddlePaddle飞桨OCR文本检测——检测模型测试与评估（平均准确率、平均召回率、修改交并比IOU）（四）
weixin_42845306的博客
01-31 5754
接上一篇：检测模型训练（二） PaddlePaddle环境的构建详见专栏内其他文章。 本文使用MobileNetV3_large_x0_5_pretrained预训练检测模型，评估该检测模型在icdar2015上的检测效果。 icdar2015检测数据集如上图所示。 首先修改配置文件，文件路径如下图所示 这是MobileNetV3_large_x0_5_pretrained模型的配置文件，如果用的是其他模型，请使用其他的.yml配置文件。 打开.yml配置文件，在Architecture标签下可以看到
paddle——计算IOU
wxsy024680的博客
08-05 2813
利用paddle计算两个矩形框的IOU import paddle import paddle.fluid as fluid import numpy as np x_data=np.array([[0,0,2,2]]).astype('float32') y_data=np.array([[1,1,3,3]]).astype('float32') paddle.enable_static() x = fluid.layers.data(name='x', shape=[4], dtype='float
目标检测冠军竞赛指南：以百度飞桨（Paddle）集训营练习赛——AI识虫为例（基于YOLOv3）
liuz_notes的博客
05-03 4592
本博客旨在以AI识虫为例介绍目标检测中的训练优化技巧，详细介绍了竞赛冠军的思路，对参加计算机视觉类大赛的参赛者、科研人员和工程人员具有一定的指导作用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值