目标检测
爱吃奶油蛋糕和果冻
还喜欢吃鸭脖鸡爪和蘑菇,烤鸡烤鸭烤羊肉,牛排猪蹄和排骨,火锅烧烤小可乐,各种鸡蛋和卤味,棉花糖也不错,想起来再补充
展开
-
将数据集分为训练集和验证集存放在新的文件夹中
import osimport randomfrom PIL import Imagefile_name = os.listdir('data/widerface/train/images') # file_name是个列表,用来装images目录下的文件名if not os.path.exists('image'): os.mkdir('image') # 创建一个我们要存放分类好的数据文件夹s = ['train','val']for j in s: for i .转载 2020-11-02 16:10:15 · 999 阅读 · 0 评论 -
什么是非极大值抑制(NMS)
解析:R-CNN会从一张图片中找出n个可能是物体的矩形框,然后为每个矩形框为做类别分类概率:就像上面的图片一样,定位一个车辆,最后算法就找出了一堆的方框,我们需要判别哪些矩形框是没用的。非极大值抑制的方法是:先假设有6个矩形框,根据分类器的类别分类概率做排序,假设从小到大属于车辆的概率 分别为A、B、C、D、E、F。(1)从最大概率矩形框F开始,分别判断A~E与F的重叠度IOU是否大于某个设定的阈值;(2)假设B、D与F的重叠度超过阈值,那么就扔掉B、D;并标记第一个矩形框F,是我们保转载 2020-08-22 23:23:44 · 498 阅读 · 0 评论 -
什么是边框回归Bounding-Box regression,以及为什么要做、怎么做
解析:这个问题可以牵扯出不少问题,比如为什么要边框回归?什么是边框回归?边框回归怎么做的?边框回归为什么宽高,坐标会设计这种形式?为什么边框回归只能微调,在离真实值Ground Truth近的时候才能生效?如图1所示,绿色的框表示真实值Ground Truth, 红色的框为Selective Search提取的候选区域/框Region Proposal。那么即便红色的框被分类器识别为飞机,但是由于红色的框定位不准(IoU<0.5), 这张图也相当于没有正确的检测出飞机。如果转载 2020-08-22 23:23:03 · 545 阅读 · 0 评论 -
目标检测中的这个IOU评价函数(intersection-over-union)
本题解析来源:https://blog.csdn.net/Eddy_zheng/article/details/52126641,https://www.pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/,https://zhuanlan.zhihu.com/p/37910324解析一在目标检测的评价体系中,有一个参数叫做 IoU ,简单来讲就是模型产生的目标窗口和原来标记窗口的交叠率。具体我..转载 2020-08-22 23:19:29 · 926 阅读 · 0 评论 -
一文读懂目标检测:R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD
转自:https://blog.csdn.net/v_july_v/article/details/80170182?from=timeline一、目标检测常见算法object detection,就是在给定的图片中精确找到物体所在位置,并标注出物体的类别。所以,object detection要解决的问题就是物体在哪里以及是什么的整个流程问题。然而,这个问题可不是那么容易解决的,物体的尺寸变化范围很大,摆放物体的角度,姿态不定,而且可以出现在图片的任何地方,更何况物体还可以是多个类别。目前转载 2020-08-22 23:10:28 · 246 阅读 · 0 评论 -
什么是SVM?
什么是SVM?当然首先看一下wiki.Support Vector Machines are learning models used for classification: which individuals in a population belong where? So… how do SVM and the mysterious “kernel” work?好吧,故事是这样子的:在很久以前的情人节,大侠要去救他的爱人,但魔鬼和他玩了一个游戏。魔鬼在桌子上似乎有规律放了两种颜色的球,说转载 2020-08-22 23:05:45 · 1466 阅读 · 0 评论 -
目标检测领域还有什么可做的?19 个方向给你建议
知乎问题:目标检测领域还有什么可以做的?感觉已经饱和了,很难再出顶级算法的样子。我所指的饱和是说围绕目标检测感觉没有什么好文章能发出来了,现有算法很难在短时间有突破了。想请教大家有什么好做的点子么?种树的左耳答案饱和是相对于占坑来说的,对于去探索未来踩坑来说,目标检测还远远没有达到饱和的地步。只是说想发简单的好论文越来越难了,并不是说不会有什么突破了。单就检测来说,2018年顶会出的目标检测论文也并不算少。下面是我个人就目标检测算法在深度学习领域未来研究的一些看法:1.从专注精度的Fast转载 2020-08-20 22:32:33 · 4549 阅读 · 0 评论