Doraemon_Zzn的博客

结果修改的是PointPillars这个网络模型，参考PointRCNN可视化部分，网络地址，目前只训练车辆的检测部分。工作：1.一开始框很多，修改了NMS；2.显示score比较高的框；000037.png预测结果，红色的是label，预测和label都画出了朝向。参考https://github.com/kuixu/kitti_object_vishttps://github.com/sshaoshuai/PointRCNNhttps://blog.youkuaiyun.com/tiatiat

SSD运行问题汇总地址环境配置train.py1.FileNotFoundError: [Errno 2] No such file or directory2.RuntimeError: randperm is only implemented for CPU3.images, targets = next(batch_iterator)4.RuntimeError: The shape of the mask [32, 8732] at index 0 does not match the shape

123

损失函数：只考虑正样本。λ在后面进行测试，数据在表8，最终选择10。不带的是预测值，带*的是真值，带a的是anchor。训练RPN在一个图像中随机采样256个anchors，计算损失，控制正样本：负样本=1:1。从标准偏差为0.01的零均值高斯分布中绘制权重来随机初始化所有新层。...

'''block1 3x3 3x3'''nn.Conv2d(36,32,kernel_size=3,stride=1,padding=1,bias=False)nn.BatchNorm2d(32)nn.ReLU(inplace=True)nn.Conv2d(32,32,kernel_size=3,stride=1,padding=1,bias=False)nn.BatchNorm2d(32)nn.ReLU(inplace=True)'''block2-5 BackBone(Bottlene

原文整体网络结构输入图像尺寸resize到448X448，作用是将尺寸固定。（适应不同大小的图片）24个卷积层和2个全连接层，最后输出的特征图为7X7X30。没有类似Anchor的预选框，没有RPN结构，直接预测物体的类别和种类。最后的特征图设计的有意思。YOLO v1相当于将输入图片分成7X7的区域。这里每个点的通道数是30，代表预测30个特征。输出组成SXSX（B*5+C...