cc__cc__的博客

github地址：https://github.com/facebookresearch/detr1.创建conda环境推荐通过conda创建虚拟环境，具体操作可见linux系统下创建anaconda新环境及问题解决2.clone代码并安装依赖库git clone https://github.com/facebookresearch/detr.gitconda install -c pytorch pytorch torchvisionconda install cython scipy.

下方脚本进行了一定的修改，亲测可用。参考链接：https://blog.youkuaiyun.com/m_buddy/article/details/90348194# -*- coding=utf-8 -*-#!/usr/bin/pythonimport sysimport osimport shutilimport numpy as npimport jsonimport xml.etree.ElementTree as ET# 检测框的ID起始值START_BOUNDING_BOX_I.

文章目录一、BP神经网络简介及算法实现1.向前传播阶段1）隐藏层神经元输入2）隐藏层神经元输出3）输出层神经元2.向后传播阶段1）输出层权的调整2）隐藏层权的调整3.误差测度（cost function）二、随机生成数据集※初始化说明完整的BP实现、训练代码以及随机生成数据集和对照实验的代码详见[https://download.youkuaiyun.com/download/cc__cc__/33194209](https://download.youkuaiyun.com/download/cc__cc__/33194209)

数据集及完整代码详见此链接https://download.youkuaiyun.com/download/cc__cc__/28820647文章目录一、训练数据可视化1.读取训练数据2.训练数据可视化二、逻辑回归算法简介三、梯度下降法实现逻辑回归1.批量梯度下降法（BGD）2.随机梯度下降法（SGD）3.小批量梯度下降法（Mini-Batch-GD）四、牛顿法实现逻辑回归五、借助Pytorch框架实现逻辑回归一、训练数据可视化1.读取训练数据def read_train_data(): x = []

1.txtDOTA数据集的txt文件格式如下：其中，每一行的前8个数字代表目标物体四个顶点的坐标。2.xml使用labimg手动标注得到的xml文件：从txt转换到xml有两种选择：1.将原有的8坐标转换为4坐标的最小外界矩形，即hbb形式 xmin，ymin，xmax，ymax2.保留原有坐标，即obb形式x0,y0,x1,y1,x2,y2,x3,y33.一般的txt到xml...

一、推理过程将卷积层与BN层融合1.公式推导训练过程：y=γxi−μσ2+ϵ+β其中，xi为上层卷积的输出wx+b，γ和β是训练过程中学习得到的参数，μ和σ2是在训练过程中统计得到的均值和标准差。\footnotesize y = \gamma\frac{x_i-\mu}{\sqrt{{\sigma}^{2}+\epsilon}} + \beta\quad\text{其中，xi为上层卷积的输出wx+b，}\gamma和\beta是训练过程中学习得到的参数，\\\mu和\sigma^{2}是在训练过程

一、算法评价指标介绍真实值（↓）\\ 预测值（→）PositiveNegativePositiveTrue Positive（TP）False Negative（FN）NegativeFalse Positive（FP）True Negative（TN）TP：表示将正类预测为正类的数目FN：表示将正类预测为负类的数目……其余同理，【一致判真假(T/...

以下仅为个人理解，若有不正之处还请指出，欢迎交流！在two-stage目标检测方法中，通过骨干网络获得的特征图需要送进RPN网络产生区域建议候选框，下面就结合mmdetection中的源码详细解释这一过程。相关理论可结合faster rcnn进行理解Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Ne...

以下仅为个人理解，若有不正之处还请指出，欢迎交流！本文解读的源码为mmdet/models/backbones中的resnet.py首先附上ResNet原文地址Deep Residual Learning for Image Recognition其中，ResNet整体网络结构图如下：一、ResNet网络中的两种基本残差块由网络结构图可以看出，ResNet-18和ResNet-3...

以下仅为个人理解，如有不正之处还请指出，欢迎交流！1.pytorch中的交叉熵损失函数如下：torch.nn.functional.cross_entropy(input, target, weight=None, size_average=None, ignore_index=-100, reduce=None, reduction='mean')损失函数即反映了预测值（input...

1.相关参数设定在经过特征提取网络之后得到的特征图w和h大小均会变成原图w和h的n分之一，即特征图上的1个点会对应原图中n×n大小的区域。例如，VGG16网络中有4个池化层，经过4次降采样，所以n=base_size=2^4=16。假设anchor box的不同ratios分别为[1:1,1:2,2:1]假设anchor box的scale设为8（可设为多个，下文以8为例）2.代码这...

代码地址：https://github.com/lars76/kmeans-anchor-boxes一、计算出归一化的anchor1.修改上述代码中的example.pyANNOTATIONS_PATH = '……' # 存放xml标注文件的路径CLUSTERS = 9 # YOLOv3对应9个anchor2.运行example.py即可得到归一化的anchor输出如下的结...

我使用的是voc格式数据集，训练方法详见上篇博客：YOLOv3训练自己的VOC数据集一、生成检测结果txt文本./darknet detector valid cfg/voc.data cfg/yolov3-voc.cfg xx.weight如果没加-out选项则默认在results目录下生成txt文件，例如：comp4_det_test_car.txt将生成的txt文件更名为 类别名...

YOLO网址：https://pjreddie.com/darknet/yolo/一、安装darknet并借助预训练权重进行检测1.安装darknetgit clone https://github.com/pjreddie/darknetcd darknetmake2.下载预训练权重wget https://pjreddie.com/media/files/yolov3.weig...

安装mmdetection的方法见上篇博客：安装mmdetection并测试demo一、准备数据集（pascal_voc格式）最终要得到下方的结构：mmdetection├── mmdet├── tools├── configs├── data│ ├── VOCdevkit│ │ ├── VOC2007│ │ │ ├── Annotations│ ...

一、安装mmdetection（0）ubuntu已有环境Anaconda；CUDA–V10.0.130；CUDNN–7.4.2（1）新建conda环境并激活conda create --name open-mmlab python=3.6conda activate open-mmlab具体也可参考之前的博客：linux系统下创建anaconda新环境及问题解决（2）安装相应版本的...

一、pytorch保存模型的方法1.只保存参数torch.save(model.state_dict(),path)2.保存整个模型torch.save(model,path)二、对应的加载模型的方法1.只保存参数model.load_state_dict(torch.load(path))该方法在加载的时候需要事先定义好跟原模型一致的模型，并在该模型的实例对象上进行加载2...

github地址：https://github.com/fizyr/keras-retinanet一、配置过程（0）ubuntu已有环境Anaconda；CUDA–V10.0.130；CUDNN–7.4.2（1）新建conda环境具体可参考之前的博客：linux系统下创建anaconda新环境及问题解决（2）安装tensorflow根据自己CUDA和CUDNN的版本安装相应版本的te...

github地址：https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0一、配置过程记录1.安装torch到https://pytorch.org/get-started/locally/查看相应的安装命令我使用的是conda，python3.6，CUDA10.0，安装torch1.0conda install pyt...

→→绘制神经网络结构图工具链接以Faster RCNN中VGG16/faster_rcnn_alt_opt/stage1_rpn_train.pt为例网络结构图如下：原pt文件：name: "VGG_ILSVRC_16_layers"layer { name: 'input-data' type: 'Python' top: 'data' top: 'im_info'...

一、整体介绍神经网络(net)是一个组合模型，它由许多相互连接的层（layers)组合而成，每一层又会涉及到很多参数（定义在caffe.proto文件中）。Caffe就是组建深度网络的这样一种工具，它按照一定的策略，一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs，从而进行便利的操作和通讯。1.blobblob是caffe框架中一种标准的数组，一种统一的内存接口，它详细描述了...

提前了解：SSD、FPN等博客参考：M2Det-一种使用新的特征金字塔方式的单阶段目标检测器（论文笔记）补充：1.关于上采样方法总结（插值和深度学习）2.卷积(Convolution)，反卷积(Transposed Convolution)，上采样(UpSample, Interpolation)...

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks读了论文之后总感觉有些细节没有完全弄懂，参考博客来充实一下。1.Faster R-CNN文章详细解读ps：重点为RPN2.Faster RCNN论文解读ps：包含Fast R-CNN部分简介涉及概念补充：one-stage 与 ...

一、YOLO概述YOLO属于one-stage目标检测算法，使用一个神经网络直接将一整张图像输入神经网络，进而预测得到目标的类别和边界框。YOLO网络和GoogleNet网络结构类似，其中，YOLO用3×3和1×1的卷积替代了GoogleNet的inception module。YOLO具有检测速度快、不容易出现背景错误等优点；但也存在对小物体的检查效果不好等的缺点。二、YOLOv2的...