深度学习目标识别
文章平均质量分 59
一直都是菜鸟
这个作者很懒,什么都没留下…
展开
-
detectron2的demo运行来生成测试图像的结果
在detectron2的官网上有代码示例,但是因为有时候登录detectron2特别不稳定,在一定时间间隔内根本登录不上去,所以为了以后使用方便,在这里记录一下demo的具体使用方法。cd demo/python demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml \ --input input1.jpg input2.jpg \ [--other-options] -原创 2021-12-13 14:43:34 · 2675 阅读 · 0 评论 -
记录从DOTA的原数据集挑选某一类别并转换成voc和coco格式
这篇文章是记录一下自己准备储罐数据的过程,以便后续再遇到类似的情况能快速实现。里面设计到的一些描述可能只有自己能看懂,所以如果您看到了这篇文章,可能对您的帮助不打。DOTA的原数据分为了train,val,test,但是test的图像没有标注数据。所以我们先分别对train和val进行筛选,选择有储罐的图像和对应的标签。该代码在RRPN-PYTORCH项目里面的/home/wt/RRPN_pytorch/maskrcnn_benchmark/data/DOTA_Pre-processing_tool原创 2021-09-07 17:04:02 · 1704 阅读 · 3 评论 -
detectron2关于coco数据集的格式以及注册
首先我们应该知道coco数据集的格式。https://blog.csdn.net/sophia_xw/article/details/102954932?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLe原创 2020-06-09 14:52:37 · 3860 阅读 · 0 评论 -
RNN入门理解和LSTM
今天刚看了点RNN和LSTM。把现在理解的知识点先记录下来。以后到要用到的时候再详细了解,再把相应的知识记录下来。因为我主要研究目标检测方向,这里先点明一下RNN在目标检测方面的应用:可以有效的利用图像上下文的信息。RNN网络结构主要分为输入层,隐藏层,输出层。把隐藏层展开:t-1,t,t+1表示时间序列,St表示样本在时间t的记忆。,St = f(W*St-1 +U*Xt...原创 2019-07-09 10:01:13 · 183 阅读 · 0 评论 -
面部关键点检测
今天做了面部关键点检测的作业,这里先简单记录一下。给出的训练集是以excel形式保存的。里面记录了每个关键点的坐标值和图像的像素值。测试集也是excel形式存储的,里面只有测试图像的像素值。对图像进行预处理后,建立好自己的网络架构,这里的损失函数选择的是均方误差(mean squared error),评价标准是均方绝对值误差(mean absolute error)。对于测试图像,...原创 2019-07-09 15:15:30 · 659 阅读 · 0 评论