lzAllen的博客

参考的知乎博客:CVPR 2020：华为GhostNet，超越谷歌MobileNet，已开源github:https://github.com/huawei-noah/ghostnet# 2020.06.09-Changed for building GhostNet# Huawei Technologies Co., Ltd. <foss@huawei.com>"""Creates a GhostNet Model as defined in:Ghos.

初次跑通MMDetection的MaskRCNNDemo惯例先跑一下demo，新建一个HellowMMDection.py，将这个脚本放在./demo中去:# Check Pytorch installationimport torch, torchvisionprint(torch.__version__, torch.cuda.is_available())# Check MMDetection installationimport mmdetprint(mmdet.__ver

# INPUT：所有预测出的bounding box (bbx)信息（坐标和置信度confidence），　IOU阈值（大于该阈值的bbx将被移除）for object in all objects: (1) 获取当前目标类别下所有bbx的信息 (2) 将bbx按照confidence从高到低排序,并记录当前confidence最大的bbx (3) 计算最大confidence对应的bbx与剩下所有的bbx的IOU,移除所有大于IOU阈值的bbx (4) 对剩下的bbx，循环执行(2)和(3)直.

2020CVPR的密集行人检测论文 NMS by Representative Region: Towards Crowded Pedestrian Detection by Proposal Pairing摘要: 尽管最近在行人检测方面已经取得了重大进展，但是在拥挤场景中的行人检测仍然具有挑战性。行人之间的严重遮挡给标准非最大抑制（NMS）带来了巨大挑战。交并比（IoU）的阈值相对较低会导致丢失高度重叠的行人，而较高的阈值则会带来大量误报。为避免这种困境，本文提出...

CrowdHuman密集行人数据集转换代码转换顺序: (odgt--->voc--->coco)1. odgt--->vocfrom xml.dom import minidomimport cv2import osimport jsonfrom PIL import Imageroadlabels = "./Annotations/"roadimages = "./Images/"fpath = "annotation.odgt"def load_fun