- 博客(7)
- 收藏
- 关注
RSS订阅原创 百度飞桨目标检测YOLOv3实战：叶病虫害检测学习记录
常见的目标检测数据集如Pascal VOC采用的[x1,y1,x2,y2] 表示物体的bounding box, COCO采用的[x1,y1,w,h] 表示物体的bounding box。4.ignore_thresh，预测框与真实框IoU阈值超过ignore_thresh时，不作为负样本，YOLOv3模型里设置为0.7。2.读取指定的图片，输入网络并计算出预测框和得分，然后使用多分类非极大值抑制消除冗余的框。8.name，该层的名字，比如’yolov3_loss’，默认值为None，一般无需设置。
2023-04-30 22:47:17
1271
原创 学习记录：Vesuvius Challenge: Ink Detection tutorial
Vesuvius Challenge: Ink Detection tutorial维苏威挑战：墨水检测教程初始化一些变量，查看片段照片。但它很有用。这是一张红外照片，因为墨水在红外光中更容易看到。mask.png: 包含数据的像素以及应该忽略哪些像素的掩模。inklabels.png：我们的标签数据：像素是否含有墨水（这是根据红外照片手工标记的）。这个图像是表示为.tif 图像堆栈的。图像堆栈是一系列的16位灰度图像数组，每个图像代表沿着z轴的一个“切片”，从纸草下面到上面。我们将把它转换为一个4D张
2023-04-23 21:40:47
492
原创 零基础入门目标检测系列学习记录（二）：YOLO系列之v5算法详解（一）
本来打算速通一下v1到v8，不过发现到v5的源码是真的多，太菜了，研究了好几天！！
2023-04-21 14:43:22
880
原创 零基础入门目标检测系列学习记录（二）：YOLO系列之v3算法详解
尺寸，先验框数量3个，检测框位置(XYHW4)，检测置信度(1)，类别维度（C）为什么使用它：比同精度的ResNet快很多，比Darknet19慢点但精度更高。3.推理时设置置信度阈值，然后使用NMS输出预测结果。的三个特征图进行特征图融合。网络中使用残差结构。**:Darknet53** 使用主干网络中的。2.3个特征图检测不同尺寸物体。，一共4032个数量的box。1.通过三个特征图获取到：8。2.送入loss计算。1.只有卷积没有池化。
2023-04-16 16:09:14
362
1
原创 MMSegmentation文档学习记录（一）
这些都是用于训练和测试PSPNet的配置文件，使用MMEngine实现的Config来加载和解析它们。当测试的数据集没有提供标注，评测时没有真值可以参与计算，因此需要设置。当需要保存测试输出的分割结果，用 --out 指定分割结果输出路径。：测试 Cityscapes 数据集并保存输出分割结果。文件提供了在单 GPU 上启动测试任务的方法。文件提供了在单GPU上部署训练任务的方法。，由于没有标注，我们需要在数据增强变换中。数据集(dataset)，在图像上可视化分割结果。模型(model)，
2023-04-13 14:55:34
1675
2
原创 学习Segformer语义分割模型并训练测试cityscapes数据集
官方的segformer源码是基于MMCV框架，整体包装较多，自己不便于阅读和学习，我这里使用的是Bubbliiiing大佬github复现的segformer版本。Bubbliiiing大佬代码下载链接：https://github.com/bubbliiiing/segformer-pytorch大佬的代码很优秀简练，注释也很详细，代码里采用的是VOC数据集的格式，因此只需要把cityscapes数据格式修改即可。
2023-04-07 10:44:31
5476
10
空空如也
#deeplabv3+ #mmsegmentation
2023-02-13
TA创建的收藏夹 TA关注的收藏夹
TA关注的人