目标检测相关
文章平均质量分 91
论文阅读,知识点存储
侵权删~
zxm_
这个作者很懒,什么都没留下…
展开
-
图像数据增强2_albumentation 标注框同时修改(VOC、YOLO)
albumentation原创 2022-08-23 18:10:50 · 2859 阅读 · 1 评论 -
基础学习1_目标检测的评估标准
主要参考:书籍《深度学习之PyTorch物体检测实战》原创 2022-08-19 18:08:16 · 1080 阅读 · 0 评论 -
小目标检测3_注意力机制_Self-Attention
注意力机制注意力汇聚(池化)attention pooling自注意力 Self-AttentionCNN中的Self-Attention1. SENet2. CBAM3. ECA注意力机制的应用原创 2022-08-09 17:55:16 · 9579 阅读 · 3 评论 -
小目标检测1_Focal loss
主要参考:睿智的目标检测9——Focal loss详解及其实现信息量与熵添加链接描述交叉熵损失函数(CrossEntropy Loss)(原理详解)有参考很多文章与博客,有的可能忘记放出处了,侵权请联系,马上修改~Focal loss是何恺明大神提出,最初用于图像领域解决数据不平衡造成的模型性能问题。Focal loss作用:1、控制正负样本的权重2、控制容易分类和难分类样本的权重正负样本:一张图像可能生成成千上万的候选框,但是其中只有很少一部分是包含目标的的,有目标的就是正样本,没有目标的就原创 2022-07-14 13:49:55 · 1073 阅读 · 0 评论 -
小目标检测2_OHEM
主要参考:有参考很多文章与博客,有的可能忘记放出处了,侵权请联系,马上修改~RPN网络(两阶段网络中,使用区域提议网络RPN在产生目标区域建议框)中目标可能被很多框标记,这些框中有的包含了整个目标;有的框可能只包含不完全的目标,这类框是错的,可以将其判定为难例。通过不断被难例训练就可以使网络具有更好的鲁棒性。通常,每个图像随机选择256个ROI(这个应该是可以指定的),一些作为前景(目标),一些作为背景。在OHEM方法中,将传统的ROI的随机选择替换为基于其损失值的选择。在排序前要进行 NMS非极大抑制,原创 2022-07-14 09:58:38 · 635 阅读 · 0 评论 -
论文记录2_YOLOX
注:此文为阅读笔记,参考了很多论文,博客,如有侵权请联系,我附上原出处。文章目录YOLO X创新点网络架构BackboneNeckHeadStrong data augmentationAnchor-freeYOLO X论文:https://arxiv.org/pdf/2107.08430.pdfgithub地址:https://github.com/Megvii-BaseDetection/YOLOX其他大佬自己实现博客:https://blog.csdn.net/weixin_44791964原创 2021-09-30 20:11:24 · 2734 阅读 · 1 评论 -
论文记录1_YOLO系列(v1 v2 v3 v4)
YOLO系列阅读笔记V1 V2 V3YOLO V1目标检测问题YOLO V1的实现方法置信度例子YOLO V1网络架构V1 损失函数YOLO V1的优点YOLO V1的缺点YOLO V2Batch Normalization 批量标准化High Resolution Classifier 高分辨率分类器Convolutional With Anchor BoxesDimensionCluster(维度聚类)Direct Location Prediction 直接位置预测Fine-Grained Featu原创 2021-09-28 15:24:52 · 2367 阅读 · 0 评论