Snoopy_Dream

高效标注数据,这里以特定的文字检测(文字交通标志文字检测)为例.开源模型检测,生成txt. txt2json,生成labelme的格式 打开labelme,进行进一步纠正 当自己的标注数据差不多的时候,用自己的数据,训练一个模型 重复1-3&4以下是百度开源API进行文字检测与识别的python代码输入图片，公开在线API得到list结果 baidu_det_api_h...

pickle与cPickle；两者的关系：“cPickle – A faster pickle” import cPickle as pickle常用函数：pickle.dump(data,handle,0 or 1 or 2)                  接受一个文件句柄和一个数据对象作为参数[序列化]  0:txt,1 ,2:老新二进制                ...

 当数据集的数据过大时，采用生成器generator生成数据循环调用那么，如何设置一个batchsize的批生成器以供训练深度学习模型用呢？背景介绍：下面这个例子是HWDB手写体，单张图片小，分类任务，trainset有89w+，正好涉及数据集多大，需要自己生成batch_generator提高效率。初步想法：首先第一种方法，是构造class，利用class中的__ne...

% Cascade-RCNN% Copyright (c) 2018 The Regents of the University of California% see cascade-rcnn/LICENSE for details% Written by Zhaowei Cai [zwcai-at-ucsd.edu]% Please email me if you find bugs,...

imgaughttp://imgaug.readthedocs.io/en/latest/index.html安装　 依赖numpy scipy scikit-image (pip install -U + scikit-image) six (pip install -U six) OpenCV (i.e. cv2 must be available in python)...

python图像数据增强库 Augmentor使用比较简单,只有一些简单的操作。 imgaug实现的功能更多，可以对keypoint, bounding box同步处理，比如你现在由一些标记好的数据，只有同时对原始图片和标记信息同步处理，才能有更多的标记数据进行训练。我在segmentation和detection任务经常使用imgaug这个库。 Augmentorhttp:/...

1.从官方文档https://github.com/bharatsingh430/soft-nms/blob/master/lib/nms/cpu_nms.pyx，下载cython实现的softnms的代码2.创建setup.py文件from distutils.core import setupfrom Cython.Build import cythonizesetup( n...

import numpy as npdef unique_boxes(boxes, scale=1.0): """Return indices of unique boxes.""" v = np.array([1, 1e3, 1e6, 1e9]) hashes = np.round(boxes * scale).dot(v) _, index = np.un...

原文链接：https://blog.youkuaiyun.com/wei_guo_xd/article/details/74199729常用的图像扩充方式有：水平翻转，裁剪，视角变换，jpeg压缩，尺度变换，颜色变换，旋转当用于分类数据集时，这些变换方法可以全部被使用，然而考虑到目标检测标注框的变换，我们选择如下几种方式用于目标检测数据集扩充：jpeg压缩，尺度变换，颜色变换这里，我们介绍一个图象变换包htt...

目录-8. for循环数据的时候-7.all() 下面是ocr里利用竖直投影裁剪下一张表格，取出掉两旁的空白区域。-6.倒序查找字典中，第一个[0]满足条件的值-5.  enumerate的使用，统计循环次序-4.    np.where的使用，以及zip的实际使用-3.  outline = str(imgname) + '  '  + '  '.join(map(str...

py-fater-rcnn根据生成的log文件绘制loss图。一般输出是下图中的第一幅图（对应位置为2,5,1），但本身并没有多大的意义，只有将其平均之后如(对应位置为2,5,6)，才能看出loss是否还在下降。# -*- coding: utf-8 -*-"""Created on Wed Jun 13 09:58:00 2018@author: ygx"""# -*- coding...

转载请在首行附上原文链接！有帮助的话记得点ge赞.针对目标检测任务，对训练数据做旋转进而达到数据增广的python2代码，网上没找到，自己写了一份.另外附上一份，检查旋转后效果的Python代码（读取annotations中xml，画图的代码），在最下面# -*- coding:utf-8 -*-# !/usr/bin/env pythonimport osimport cv...

# -*- coding: utf-8 -*-""" 作用是将检测出的类结果（如VOC是20类，也就是20个txt）画在原图上，并另存到一个路径下 srcpath表示txt的路径 dstpath表示原始图片的路径 txt格式如（文末有截图）： Task2_baseball-diamond.txt P0034 0.840593 ...

faster-rcnn的tools工具代码，模仿demo.py将所有的检测结果输出来，与此同时一边检测一边绘制于待检测的图片之上。#!/usr/bin/env python# -*- coding: utf-8 -*-# --------------------------------------------------------# Faster R-CNN# Copyright (c)...

p.s. 这里的例子我说的都是航空影像目标，所以大家考虑的时候都要考虑成俯视图的状态。多目标检测的时候，有容易发生拥挤的类别，比如小汽车，也有不易拥挤的类别，比如篮球场。所以需要不同的nms阈值，而检测一次有时候消耗的时间太多，所以我的解决办法是，检测的时候nms=1都输出出来，然后在通过单独对检测的txt结果进行nms操作，比如所有文件nms0.3、nms0.4各种nms全都可以重新输出来，这样...

很多时候，我们在进行检测的前是需要对你的数据集，进行分析的。这个py文件是将训练数据的label文件，统一转换成csv格式，输出长、宽、面积、ratios（长宽比）等如果不考虑批量操作，当然你可以用excel导入date.# -*- coding: utf-8 -*-"""Created on Sat Apr 7 11:11:15 2018分析原始数据@author: ygx"""i...

本文用到的是caffe下，rbg大神写的py-faster-rcnn。针对不同的数据集，不同大小的目标，修改anchor的大小和数量，是很有必要的，可以加快收敛的速度，提高检测精度，原始的数据集是VOC数据集，图片基本集中在500*375左右。在lib文件夹下generate_anchor.py中设计的anchor为128*128,256*256,512*512（不考虑ratios的话），而这样的...

这个用于ODAI（航空数据目标检测）比赛当中，这个数据集像素大小从800*800-4000*4000不等，所以需要进行原始数据的裁剪，在裁剪过后有一部分数据里面什么目标都没有，要把这一部分去除，使得高效训练！#!/usr/bin/env python2# -*- coding: utf-8 -*-# -----------------------------------------------...