- 博客(3)
- 收藏
- 关注
RSS订阅原创 数据集格式转换
VOC 格式转json格式代码 import json import os import cv2 import pandas as pd # 根路径，里面包含images(图片文件夹)，annos.txt(bbox标注)，classes.txt(类别标签),以及annotations文件夹(如果没有则会自动创建，用于保存最后的json) root_path = r'D:\Users\Administrator.Micro-2020NXFYQ\Desktop\reinforcement_json' #
2021-06-20 15:10:07
270
1
原创 DSOD: Learning Deeply Supervised Object Detectors from Scratch论文理解
DSOD：从零开始学习深度监督的对象检测器 背景 以前的目标检测算法基本都是先在 ImageNet 数据库上进行预训练，然后再微调。这个微调也叫做迁移学习 transfer learning。在 pretrained models 上微调有两个好处： 1)有很多好的模型是开源的，可以直接将他们用于目标检测； 2)微调可以快速获得最终的模型，需要的训练数据也相对较少。 但是微调在目标检测问题上也有缺点： 1.Limited structure design space, 基于 ImageNet 分类数据库的预
2021-03-13 10:00:12
273
原创 RCNN，Fast RCNN，Faster RCNN总结(个人理解）
RCNN，Fast RCNN，Faster RCNN总结(个人理解） 文章目录RCNN，Fast RCNN，Faster RCNN总结(个人理解）前言一、R-CNN二、FAST-RCNN三、FASTER-RCNN 前言 R-CNN系列论文（R-CNN,fast-RCNN,faster-RCNN）是使用深度学习进行物体j检测的鼻祖论文，以下则是我对这三种方法的一个步骤总结。 其实，无论是哪一种检测方法，它的一张流程图就已经是整个算法很好的总结了，在下面我会贴出相应图片。 一、R-CNN (1)image in
2021-02-11 20:02:39
349
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