- 博客(6)
- 收藏
- 关注
RSS订阅原创 Gitlab 使用总结
Gitlab 使用总结总体来说Gitlab是一个很不好理解的代码工具，但是为了工作更高效还是把它疏通了一遍，至于怎么注册Gitlab和配置ssh密匙这个就不多赘述了，网上教程很多，可自行Google。一，Gitlab的三区和两个概念Gitlab： ；所谓三个区是指工作区，暂存区以及head区，工作区自然就是指你本地工作的目录，这时候你和Gitlab关联后就成了工作区。...
2021-05-14 16:36:23
293
原创 手写NMS算法
在网上看了几个nms算法的实现，要么照抄faster的，要么就写的乱七八糟的，还是自己按单步实现一下。也建议想认真学习的小伙伴都尽量手撕一遍，同时写博客也尽量严谨些，写之前尽量做一些测试，不要误导别人。nms原理：nms是非极大值抑制。在目标检测中，推理阶段会预测出很多框，而这些框很多是重叠的，毕竟网络看到图像上那个有目标的区域都差不多，它就认为是一个东西给你预测出来，特别是基于anchor的目标检测算法，大量的anchor会推送出巨多的目标框，这时候就需要用nms把一些置信度不是最高的Bbox滤去，
2021-03-29 15:29:28
1857
4
原创 YOLOv5代码阅读笔记及解析
YOLOv5代码阅读笔记一，backbone1，Focus①，原理：把一个nnc的feature map，按步长为2，进行取值下采样。如图一所示，把原始特征图沿x轴、y轴按步长为2进行取值操作，取值后添加到通道里，然后进行一次普通卷积。图一 Focus原理②，代码实现如下：''' 把输入x分别从（0,0）、（1,0）、（0,1）、（1,1）开始，按步长为2取值。 然后进行一次卷积。'''class Focus(nn.Module): # Focus wh infor
2021-03-01 14:28:35
8175
8
原创 从交叉熵到损失函数
从交叉熵到损失函数谈谈自己对这块知识的理解。一，交叉熵提到这个词相信只要了解这块知识的都很熟悉，公式如下,这个公式一般是用于二分类的东西，而且一般和Sigmod（sofmax）一起出现,暂时以Sigmod为例（以下简称S），预测一个东西的时候，假如你S输出了一个0.8,而恰巧你输出的是错误的label（狗->猫），这时候就要赶紧出现一个大loss，所有就是y=0,-log(1-0.8),你看这个loss是不是巨大，而你预测对的时候，就是-log0.8，这时候loss是多么小，所以写到这里，我相信
2020-10-14 18:06:53
252
原创 目标检测的NMS，mAP，AP50、75等常识
目标检测的NMS，mAP，AP50、75等常识NMS目标检测中NMS应该是最基本的后续处理操作了，但是刚接触目标检测的时候对怎么使用NMS，何时使用NMS都很模糊，今天在这里Mark一下。1，NMS是在测试的时候使用的，在训练的时候不用。2，NMS全称叫非极大值抑制，顾名思义就是把最大的留下来，具体操作是一张图像经过Detector（检测器）检测的目标框按类别进行分类（例如有Dog和Cat两类），然后对按类划分的框按置信度从大到小排序，对这些框按IoU的阈值（一般取0.5）进行过滤，所有与置信度最大
2020-10-14 17:45:18
3492
8
原创 按指定的尺寸修改Pocal Voc数据中的GT的尺寸
import osimport xml.etree.ElementTree as ET#程序功能：批量修改VOC数据集中xml标签文件的标签名称def changelabelname(inputpath): listdir = os.listdir(inputpath) for file in listdir: if file.endswith('xml')...
2019-12-24 15:07:22
528
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