- 博客(4)
- 收藏
- 关注
RSS订阅原创 利用coco分割数据得到感兴趣的素材
可以看到，id中间缺少26，所以，类别序号是不连续的，不是0-79. “supercategory”是大类，“name”是大类里面的小类别。我们常说的80类是指小类。这里主要包含了图像的名称，长宽，下载的网址链接，coco编号id，这个id是用于映射到相对应的标签上的。instances_train2017.json就包含了所有train的图像的标签和图像信息。我们主要关注三块，“images”，“annotations”，“categories”。包含分割和检测的坐标，还有对应的类别id，图像id等。
2024-08-14 10:22:43
387
1
原创 贝叶斯优化
这里的函数表达式是根据先验的数据集D得到的，本质上来说也是对数据的拟合，拟合拟合，当然不是真实的值啦，所以还是要将选出的x带入模型训练，得到对应的yi，这里的yi才是真实值。根据函数表达式，选择满足公式（1）的参数，也就是选择合适的超参数组x.(怎么选择的不扩展讲啦)不断更新，那么模型的函数表达越准确，得到的x也越符合公式（1）的要求。已知若干对数据组成的数据集D，每一对数据表示成（X, y）, X是一组超参数，y是这组超参数对应的函数结果。在初始优化过程中，可以从较少的采样点开始（例如5个），观察结果。
2024-05-22 15:12:50
630
原创 使用cocotools对yolov5的检测结果进行评估
用自制数据集训练yolov5，数据集是yolo的txt格式。训练完成后需要用coco指标衡量模型的性能。yolov5中的val.py没有带coco的测评，所以需要自己用pycocotools实现。
2024-04-25 14:06:38
1389
2
原创 【debug】Corrupt JPEG data: premature end of data segment
【debug】Corrupt JPEG data: premature end of data segment由于下载、保存的时候出现意外，导致图片保存不完整。
2024-04-12 15:28:09
1666
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