![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
xiaoshuzi666
左顾右盼,上下求索
展开
-
anaconda安装包失败问题——踩坑记录
当使用conda install某包,报错PackagesNotFoundError:The following packages are not available from current channels,百度查询解决方案,最后采用的解决办法是conda config --add channels https://conda.anaconda.org/conda-forge原创 2020-11-22 14:53:42 · 1073 阅读 · 0 评论 -
双系统踩坑记
一、双系统1.烧录U盘进入中国linux官网https://cn.ubuntu.com/选择Ubuntu桌面系统,之后点击下载Ubuntu,再点击其他下载页,再点击Past releases,选择18.04.5/ubuntu-18.04.5-desktop-amd64.iso进行下载。然后百度软碟通,可在官网下载试用,然后百度它的注册码,打开此软件,点击打开,选择下载好的iso文件,接着点击启动,选择写入硬盘镜像,再选择u盘(一般会自动识别到),点击写入(注意u盘里的内容会被格式化)。2.window原创 2020-10-05 19:56:28 · 207 阅读 · 2 评论 -
重读SSD(2016 SSD: Single Shot MultiBox Detector)
一、softmax的真相(与SVM)全连接层(ssd没有用全连接层)或卷积层后面接的softmax是多分类,相当于OvO(一对一)/OvR(一对多)的SVM或者Adaboost.注:人为提取特征有SIFT、HOG、SURF等方法,而深度学习网络是自动提取特征;过去在原图上基于滑动窗口的区域选择策略容易产生窗口冗余,Faster rcnn是从第五层特征图上选anchor,ssd是从conv4...原创 2019-10-22 15:56:19 · 208 阅读 · 0 评论 -
RetinaNet学习笔记(Focal Loss for Dense Object Detection2018)
一、论文关键点1.RetinaNet(ResNet+FPN+FCN)是one-stage目标检测框架,它的主要创新点是把损失函数从Cross-Entropy Loss进化到Focal Loss。其中,它采用的FPN结构如图所示(可以看到层与层之间的来回关联):2.它采用的Focal loss:CE是二元交叉熵的形式,而FL(Focal loss)加了个系数:(1-Pt)^γ,设置γ&g...原创 2019-10-13 22:43:13 · 216 阅读 · 0 评论 -
GoogLeNet和ResNet
零、关于池化常见的池化操作(降采样)有:最大池化、平均池化。一、关于GooLeNetGoogLeNet(Going deeper with convolutions,ILSVRC 2014分类和检测任务巅峰)是基于赫布原则和对多尺度的观测建立的22层深度网络,其亮点是:加深和加宽了网络结构、更好地利用了网络结构内的计算资源。图1 最朴素的inception图2 增加1×1卷积的in...原创 2019-10-06 01:32:36 · 1280 阅读 · 1 评论 -
如何写Dockerfile
一、拉取镜像[0]部署容器从docker hub拉取mmdetection的镜像以建立容器:docker search mmdetectiondocker pull vistart/mmdetectionnvidia-docker run -it --shm-size='16g' --name='yshuqiao' -v /media/yzl/data1/gzx/data:/maps vi...原创 2019-09-28 17:13:05 · 460 阅读 · 5 评论 -
vgg论文启发
一、论文关键点1.在一定范围内,通过增加深度能有效地提升网络性能;2.最佳模型:VGG16,从头到尾只有3×3卷积与2×2池化,简洁优美;3.多个小卷积核比单个大卷积核性能好(与alexnet对比可知);4.尺度抖动scale jittering(多尺度训练,多尺度测试)有利于网络性能的提升。5.模型融合,训练数据产生方式(各向同性缩放、各向异性缩放、随机裁剪等),测试方式(multi-...原创 2019-09-28 01:00:57 · 303 阅读 · 1 评论 -
论文ImageNet Classification with Deep Convolutional Neural Networks(Alexnet2012)
一、论文关键点1.神经网络在有了算力更好的gpu与更大的数据集合(ILSVRC和imagenet)后会取得更好的效果。2.网络超参数(人为设定的,非机器自学习到的参数,如batchsize,weight decay,learning rate,epoches)的设置,权重及偏置的初始化(卷积核初始化方式:均值为0方差为1的高斯分布;偏置初始化方式:2,4,5卷积层及全连接层初始化为1,剩余层初...原创 2019-09-16 14:05:00 · 323 阅读 · 6 评论 -
论文Deep learning
一、这篇论文是2015年刊登在Nature上的综述性文章,关键点有:1.深度学习用非线性模块、表示学习,能够提取很复杂抽象的特征。2.网络调整的主要是权重,多用随机梯度下降法(SGD)、反向传播算法、预训练模型。3.卷积神经网络CNN(通常由2-3个卷积层+非线性激活函数+池化层组成)的成功主要得益于GPU的性能、ReLU函数的运用,dropout正则化方法,其关键点有:信号的局部连接、共享...原创 2019-09-15 23:25:29 · 304 阅读 · 0 评论 -
试用mmdetection
用vistart/mmdetection 的镜像ID创建容器crazy_murdock(容器id为32f1a377fd2f)并配置好端口、frp、ssh之后,我用mobaxterm来连接它,/mmdetection整个文件夹下载到本地D盘,再用pycharm远程连接映射。一、阅读说明文档用Notepad++打开查看README.md,INSTALL.md,GETTING_STARTED.md,...原创 2019-08-29 13:34:23 · 7105 阅读 · 6 评论