目标检测
SHY_VWind
Technical Ants
展开
-
COCOAPI评价指标解析及改进
本文主要解析目标检测中常用的COCOAPI工具计算mAP的过程,以及增加相关功能用于更好的提供模型优化的方向。程序入口python eval_coco.py特别说明results_test.json格式如下:[{“image_id”: 19, “category_id”: 1, “bbox”: [121.4, 116.02, 560.56, 303.83], “score”: 0.97}, {“image_id”: 19, “category_id”: 1, “bbox”: [119.3, 74原创 2020-12-15 19:36:55 · 3122 阅读 · 1 评论 -
目标检测:faster-rcnn(pytorch版本)训练自己的数据集
下面是利用pytorch版本的faster-rcnn训练自己的datasets的步骤和相关的修改代码链接:https://github.com/jwyang/faster-rcnn.pytorch训练命令示例:CUDA_VISIBLE_DEVICES=$GPU_ID python trainval_net.py \ --dataset pasc...原创 2019-06-23 16:10:04 · 6069 阅读 · 1 评论 -
目标检测:DA-faster-rcnn(pytorch版本)训练自己的数据集
下面是利用pytorch版本的DA-faster-rcnn训练自己的数据集流程:代码链接:https://github.com/VisionLearningGroup/DA_Detection说明:该代码主要基于pytorch版本的faster-rcnn修改的,至于如何使用pytorch版本的faster-rcnn训练自己的数据集参考我之前的博客;当训练时考虑全局特征对齐gc和局部特征...原创 2019-06-24 22:41:18 · 3190 阅读 · 5 评论 -
strong-weak-faster-rcnn整体流程(pytorch)思路
code: https://github.com/VisionLearningGroup/DA_Detection代码相当于在faster-rcnn的第一阶段加上了2个分支的判别器,低级特征的判别和高级特征的判别器,因此先详解faster-rcnn的流程,然后笔记中画出来strong-weak的整体流程1、训练过程:本程序虽然有两处具体处理batch的数据(1、im_list_to_blo...原创 2019-07-14 23:27:48 · 422 阅读 · 2 评论 -
loss训练时的不下降、nan或者为0
1、loss不下降:https://blog.csdn.net/qq_19329785/article/details/84260201https://blog.csdn.net/zongza/article/details/89185852https://blog.csdn.net/liuweiyuxiang/article/details/808569912、检测中faster...原创 2019-07-16 23:03:19 · 5708 阅读 · 0 评论 -
论文解读:Adapting Object Detectors via Selective Cross-Domain Alignment
论文题目:Adapting Object Detectors via Selective Cross-Domain Alignment(CVPR2019)论文主要贡献:以往的域自适应的方法在分类和分割中应用较多,检测中的相关论文比较少,顶会论文大概就4-5篇,而以往的域适应的方法主要针对全局的特征对齐(在loss和距离度量上做文章),这在分类和分割上没什么问题,但是检测任务更多的不是基于全局的...原创 2019-07-29 23:00:40 · 2478 阅读 · 0 评论 -
论文解读:Multi-level Domain Adaptive learning for Cross-Domain Detection
论文题目:Multi-level Domain Adaptive learning for Cross-Domain Detection(Task-CV workshop ICCV2019)论文主要贡献:已有的目标检测自适应方法主要基于全局的特征自适应,没有考虑局部特征自适应(其实是不对的,现有的检测自适应方法有基于全局的,也有局部和实例的特征自适应,分割和分类主要是全局自适应),因此本论文提...原创 2019-07-30 23:32:36 · 1162 阅读 · 0 评论 -
论文解读:Exploring Object Relation in Mean Teacher for Cross-Domain Detection
论文题目:Exploring Object Relation in Mean Teacher for Cross-Domain Detection(CVPR 2019)论文主要贡献:该论文主要也是为了解决跨域的目标检测问题,但是与之前的基于判别的特征方法有很大的不同,主要是利用了半监督学习中SOTA方法Mean Teacher(NIPS 2017:Mean teachers are bette...原创 2019-08-04 13:30:08 · 1572 阅读 · 0 评论