ai_faker的博客

1.资源Adaptive NMS: Refining Pedestrian Detection in a Crowd2.简介Adaptive NMS的研究者认为这在物体之间有严重遮挡时可能带来不好的结果。我们期望当物体分布稀疏时，NMS大可选用小阈值以剔除更多冗余框；而在物体分布密集时，NMS选用大阈值，以获得更高的召回。既然如此，该文提出了密度预测模块，来学习一个框的密度。就是想要去自适应的调整NMS时的阈值，使得待检测目标不密集时，用较小的NMS阈值杀掉其他的bbox，待检测目标密集呢(出

MAE损失函数MAE=∑i=1n∣yi−yip1∣nM A E=\frac{\sum_{i=1}^{n} \mid y_{i}-y_{i}^{p_{1}} \mid}{n}MAE=n∑i=1n​∣yi​−yip1​​∣​以分类问题举例。对于上式中，yiy_{i}yi​代表真实值，yipy_{i}^{p}yip​代表预测值。下面是一个MAE函数的图，其中真实目标值为100，预测值在-10,000至10,000之间。预测值（X轴）= 100时，MSE损失（Y轴）达到其最小值。损失范围为0至∞。优点

1.综述文章地址与文章代码;文章主要思想可以简单的概括为fpn+attention;文章的核心工作有两个1.在yolov3的基础上采用了一系列更强的trick,获得了一个基于yolov3的超强baseline主要包括如下技巧,详情可以参见论文1) Guided Anchoring-一种anchor free 方法2) Bag of Tricks-主要包括mixup algorithm , cosine learning rate schedule, synchronized batch

原文:https://arxiv.org/abs/2007.08103代码:https://link.youkuaiyun.com/?target=https%3A%2F%2Fgithub.com%2Fkkhoot%2FPAA1.动机这篇文章主要是针对当下anchor-based 中anchor标签的分配问题加以改进，传统方法是利用anchor产生的bbox与标定的gt框之间的IOU，设置阈值,大于正阈值则为正样本,小于负阈值则为负样本.正样做直观简单,却忽略了相交区域的实际内容，该相交区域可能包含嘈杂的背景，附

1.论文及代码1.论文:https://arxiv.org/abs/1912.024242.代码:https://github.com/sfzhang15/ATSS2.动机及结论本文主要探讨anchor-base与anchor-free的目标检测算法之间的差异是由什么引起的？1.论文主要阐述了对于正负样本的定义和选取对模型最终效果的影响。通过一系列的实验最终指出，anchor free的FCOS与anchor-based的RetinaNet的本质区别是正/负样本的选择方式不同。2.进一步提出

1.本文资源论文链接：https://arxiv.org/pdf/1904.01355.pdf开源代码链接：https://github.com/tianzhi0549/FCOS2.动机anchor-base缺点用anchor的框架对于anchor的尺寸非常敏感，anchor的尺寸会影响检测的performance。anchor尺寸的固定导致了对网络对特殊形状的物体鲁棒性较差，如果物体的尺寸变化很大，就会导致模型的泛化能力差。为了获得高的recall，要非常密集的堆放anchors，通常大多

论文地址：https://arxiv.org/abs/1708.02002pytorch复现:https://github.com/kuangliu/pytorch-retinanet1.论文动机one-stage方法与two-stage的各自的特点，基于one-stage的方法检测速度快，但是正确率低的问题，作者发现是因为前景、背景类别的极度不平衡所导致导致，于是提出了focal loss来重新设置标准交叉熵损失来解决前景、背景类别不平衡的问题。简单来说就是我们在训练的过程中。我们会在检测头输出的

1.MSE方式最早的bbox_loss采用的是MSE方法LMSE=(x1−x2)2+(y1−y2)2+(w1−w2)2+(h1−h2)2\mathcal{L}_{\text {MSE}} = (x1-x2)^2 + (y1-y2)^2 + (w1-w2)^2 +(h1-h2)^2LMSE​=(x1−x2)2+(y1−y2)2+(w1−w2)2+(h1−h2)2这种方式计算损失值是检测框的“代理属性”—— 距离，而忽略了检测框本身最显著的性质——IoU。计算两者的重叠占比，才是我们更加想要去优化

1.概念简介假设输入尺寸大小为aa、通道 为n，输出通道数为m，卷积核大小为bb，步长为1.那么计算量为 FLOPs = a * a * n * m * b * b参数量为 b * b * n * m这就是传统卷积的计算方式，可以看到，当a、b、n、m相对较大的时候，造成的计算量是非常大的，所以就有降低模型大小与计算量的需要。2.Depth-wise Conv出自论文《MobileNets: Efficient Convolutional Neural Networks for Mobile V

1.ghostnet简介Ghostnet是华为诺亚方舟实验室今年在CVPR2020上新发表的文章《GhostNet: More Features from Cheap Operations》中提出的一种新型的网络结构，他的核心思想就是设计一种分阶段的卷积计算模块，在少量的非线性的卷积得到的特征图基础上，在进行一次线性卷积，从而获取更多的特征图，而新的到的特征图，就被叫做之前特征图的‘ghost’，以此来实现消除冗余特征，获取更加轻量的模型。论文题名：《GhostNet: More Features fr

1.selayer的由来这里我们介绍一篇CVPR2017的文章SENet，感兴趣的同学可以直接看下他这篇文章，它赢得了最后一届ImageNet 2017竞赛分类任务的冠军。重要的一点是SENet思路很简单，很容易扩展在已有网络结构中。通过写成selayer插入到现有的网络。论文：《Squeeze-and-Excitation Networks》论文链接：https://arxiv.org/abs/1709.01507代码地址：https://github.com/hujie-frank/SENet

1.问题描述在整理数据集的时候，由于部分数据集来自网络，其一张图片标注了多个类别，而我们只想使用其中的某些类别，如果不去管那些无效类别，在训练时可能会出错。这就需要我们读取xml文件，根据指定的name名称，删除掉无效的object标注。2.例子我想要删除掉 name为花盆这个关键字的标注 的 object。我想要的结果3.解决相关注释代码如下import osimport xml.etree.ElementTree as ETimport tqdmdef del_delete_e

1.问题描述很多时候，在我们对图像数据预处理的时候，我们拿到的标签文件及图像文件都是混杂在一起的，并没有按类别分开，这就让我们在后续的工作如针对每个类别的ap得分进行数据增强、补全时遇到了一些麻烦。所以我们需要解决的是：将混杂在一起的标签图像文件按类别分好。2.解决方案利用了xml库来进行标签文件的读取利用os库来进行文件的读写等操作利用PIL的Image库完成图像文件的迁移利用shutil.copefile完成标签文件的迁移3.代码实现具体注释代码文件里有写，如果遇到报错，逐行输出一下，确

本文逻辑不通，仅供自己阅读yolo强化理解随笔加感悟D1yolo强化理解随笔加感悟D2Day3 pipeline:1.特征提取器的改进:多尺度思路的全面应用2.YOLOv4-v5的backbone neck head 对比分析3.V5代码解读与应用:进行消融实验一、例子反响传播原理，梯度下降反响传播就是主要更新backbone参数，可以看做更加复杂的一些方程而已。二、检测头复习正是由于backbone能力的提升，才导致检测头的进化，实现更复杂的检测。V5检测头也是这样三、

本文逻辑不通，仅供自己阅读yolo强化理解随笔加感悟D1Day2 运行yolov5的pytorch实现：开始使用yolov5 pipeline1.yolov2 v3 v4 v5检测头与anchor的尝试改进2.Yolov5代码使用方法介绍：测试与训练3.详细解读检测头代码一、检测模型特征提取器+检测头(head二、YOLOv0 model.pyYolov1 全部改为 yolov0YoloV0定义先看forwardExtractor 提取特征 可以认为特征提取器View可以理

本文逻辑不通，仅供自己阅读Day11.从0开始设计检测器输出值与损失函数搭配2.yolov5综述3.yolov5基础:只用计算一次就得到结果开发了一个app idetection最大的特点就是快，方便移动端部署 v5整体还在实践中，论文还没出，论文要等年底一、学习任何一个模型：1.前向计算部分[90%]2.损失函数(1)Mean square error ：MSE(2)Cross enporty3.反向传播部分再看细节二、矩阵映射到矩阵分类器输入：矩阵[图片]输出：on

我们在阅读文章的时候，经常看到backbone head neck 这一类的术语，但是我们可能并不知道是什么意思，这篇文章就是对这些术语进行解释：1.backbone翻译为主干网络的意思，backbone这个单词原意指的是人的脊梁骨，后来引申为支柱，核心的意思。在神经网络中，尤其是CV领域，一般先对图像进行特征提取（常见的有vggnet，resnet，谷歌的inception），这一部分是整个CV任务的根基，因为后续的下游任务都是基于提取出来的图像特征去做文章（比如分类，生成等等）。所以将这一部分

1.1问题描述如下图所示，在利用yolov5进行目标检测时中文标签全部是？？？？？？乱码。1.2问题定位一般的目标检查模型绘图代码等其他设置放在utils文件，定位到/utils/utils.py，yolov5的绘框函数为plot_one_box，选择ctrl+f 查找plot_one_box函数，其中使用了cv2.putText()函数，而使用cv2.putText() 只能显示英文字符，中文会出现乱码问题。1.3解决原理讲cv2格式图片转换为PIL使用PIL在图片上绘制添加中文，可以指定字体

《YOLO9000：Better，Faster，Stronger》论文：https://arxiv.org/abs/1612.08242主要包括三个部分：Better，Faster，Stronger，其中前面两部分基本上讲的是YOLO v2，最后一部分讲的是YOLO9000。Better这部分细节很多，要详细了解的话还是需要结合源码来看。本篇论文是YOLO作者为了改进原有的YOLO算法所写的。YOLO有两个缺点：（1）定位不准确（2）和基于region proposal的方法相比召回率较

在百度图识图爬取自己想要的数据集如果你复制了此代码，能不能给我点个赞！本代码非原创，网上搜集了一些资料，经过本人调整后能跑通！1. 问题描述最近在做一个关于垃圾的目标检测问题，在部署训练时需要大量的各种各样的垃圾数据集，那么我想到了网上搜索+拍照+爬虫的方式来获取数据集，而在我的上一篇博客 目标检测-用爬虫爬取百度图库获得自己想要的图片数据集-python代码，给出了利用百度图库关键字爬取图片的方法。但是经过测试，爬到的数据很多是不能用的，图像千奇百怪，每100张大概只有20张左右是有效的。于是想到

1.准备工作IDE:vscode或者pycharm1.1新建项目我新建了data目录并新建Annotations, images, ImageSets, JPEGImages, labels 五个文件夹。其中images和JPEGImages存放的是原始的图片数据集，Annotations存放的是标记后生成的xml文件，labels存放的是保存标记内容的txt文件，ImageSets存放的是训练数据集和测试数据集的分类情况。其中Annotations 文件夹 放我们想要转换的xml数据集。如下图

1.labelimage下载1.1 ubuntu下labelimage下载github官方下载地址:地址直接点击Code，下载文件为.zip格式。下载完成后#cd到下载目录cd Downloads/#执行解压命令#如果是.zip.gz文件执行 tar-xvzf 文件名 即可unzip ×下载的文件名.zip#即可看到文件夹或者直接git clone https://github.com/tzutalin/labelImg即可完成下载，如下图所示1.2 labelimage的

利用YOLOV5训练自己的数据执行以下命令做好准备工作git clone https://github.com/ultralytics/yolov5 # 下载 yolov5 项目python3 -c "from yolov5.utils.google_utils import gdrive_download; gdrive_download('1n_oKgR81BJtqk75b00eAjdv03qVCQn2f','coco128.zip')" # 下载官方例子的数据集cd yolov5 #进入yol