qq_20481015的博客

本文重点解决高空间分辨率遥感图像弱监督目标检测问题，其目的是在训练阶段学习只有图像级标注的检测器，即没有目标位置信息的检测器。虽然取得了令人满意的结果，但大多数方法往往不能提供高质量的初始样品，因此难以获得最佳的目标探测器。针对这一挑战，提出了一种动态课程学习策略，通过输入与当前检测能力相匹配的难度越来越大的训练图像，逐步学习目标检测器。为此，首先设计了一种基于熵的准则来评估图像中目标定位的难度。然后，生成一个初始课程，根据训练图像的难度升序排列训练图像，从中选择容易的图像，为学习目标检测器提供可靠的实例。

https://blog.youkuaiyun.com/wsp_1138886114/article/details/80660014

什么是IoU在目标检测算法中，我们经常需要评价2个矩形框之间的相似性，直观来看可以通过比较2个框的距离、重叠面积等计算得到相似性，而IoU指标恰好可以实现这样的度量。简而言之，IoU（intersection over union，交并比）是目标检测算法中用来评价2个矩形框之间相似度的指标IoU = 两个矩形框相交的面积 / 两个矩形框相并的面积，如下图所示：什么是TP TN FP FNTP、TN、FP、FN即true positive, true negative, false pos

原论文：FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence 作者单位：Google Research 出版：arXiv 2001.07685 code：https://github.com/google-research/fixmatch摘要半监督学习（SSL）提供了一种有效...

转载自：http://www.cnblogs.com/king-lps/p/9497836.html1. 总述Focal loss主要是为了解决one-stage目标检测中正负样本比例严重失衡的问题。该损失函数降低了大量简单负样本在训练中所占的权重，也可理解为一种困难样本挖掘。2. 损失函数形式Focal loss是在交叉熵（Cross Entropy， CE）损失函数基础上...

转载自：https://blog.youkuaiyun.com/u014119694/article/details/88428707参考:https://zhuanlan.zhihu.com/p/58782838https://zhuanlan.zhihu.com/p/58508985提出了一种简单有效的单镜头目标探测器的特征选择无锚(FSAF)模块。它可以插入具有特征金字塔结构的单热探测器。F...

L2/L1正则化方法，就是最常用的正则化方法，它直接来自于传统的机器学习。L2正则化方法如下：L1正则化方法如下：那它们俩有什么区别呢？最流行的一种解释方法来自于模式识别和机器学习经典书籍，下面就是书中的图。这么来看上面的那张图，参数空间(w1,w2)是一个二维平面，蓝色部分是一个平方损失函数，黄色部分是正则项。蓝色的那个圈，中心的点其实代表的就是损失函...

目前CVPR2019 accepted list已经放出，有些被录用的paper已经放在了Arxiv上，极市已将所有论文总结到github：https://github.com/extreme-assistant/cvpr2019，欢迎关注~今天介绍一篇object detection方面的文章。作者 | ywsun论文链接 |arxiv.org/abs/1902.0...

Weakly Supervised Deep Detection Networks 详细解读论文大致意思是通过图像级的标注信息训练网络达到目标检测的目的，文中采用的方法如下图所示：abstract ：提出一种弱监督的深度检测架构，通过修改网络，只利用图像级别的标注，同时执行区...

paper:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8333805简介：目前先有的弱监督目标检测方法大多将其作为一个多示例问题，产生候选区域，然后分类器判断类别的方式进行获得位置信息。本文作者利用图像梯度，提出了一种新的定位目标框的方式。1.在目标分类网络中，目标所在区域反映到特征上是显著的，基于这个出发点，...

Region Proposal by Guided Anchoring相关链接论文地址：https://arxiv.org/abs/1901.03278概述众所周知，anchor策略是目标检测领域的基石。很多目标检测算法的高精度检测都依赖于密集的anchor策略，也就是在空间域上以预设的尺度和宽高比做均匀采样。但是，由于anchor策略产生大量冗余的anchor box，生成数目巨...

目标检测方法分为两大阵营，一类是以Faster RCNN为代表的两阶段检测的方法，一类是以SSD为代表的单阶段检测方法。两阶段方法在检测精度更出色，单阶段检测方法的Pipline则更简洁，速度更快，但是精度不如两阶段检测方法，一个原因是单阶段的检测方法受限于正负样本和简单困难样本的不均衡问题，导致训练效果不佳。为了解决这种不均衡的问题，有研究者提出了在线困难样本挖掘的方法(OHEM)，但是这个...

参考：https://blog.youkuaiyun.com/weixin_36612847/article/details/80900181vgg 预处理输入图片 height, widthRESIZE_SIDE_MIN = 256RESIZE_SIDE_MAX = 512R_MEAN = 123.68G_MEAN = 116.78B_MEAN = 103.94（该数字由数据集计算而来）...

转：https://blog.youkuaiyun.com/weixin_33982670/article/details/88156274GAP (Global Average Pooling)可用于模型微调,在做图像分类比赛时效果较好.最早在<<Network In Network>>中提出.在常见的卷积神经网络中,全连接层之前的卷积层负责对图像进行特征提取,在获取特征后,...

Making Convolutional Networks Shift-Invariant Again摘要 现代卷积网络并不是位移不变（shift-invariant）的，因为小的输入移位会导致输出的剧烈变化。常用的降采样方法，如最大池化（max-pooling）、跨步卷积（strided-convolution）和平均池（average-pooling），忽略了采样定理（he...

转载链接：https://www.jianshu.com/p/19483787fa24smooth L1 loss能从两个方面限制梯度：当预测框与 ground truth 差别过大时，梯度值不至于过大； 当预测框与 ground truth 差别很小时，梯度值足够小。考察如下几种损失函数，其中损失函数对 x 的导数分别为：观察 (4)，当 x...

摘要大多数目标检测算法可以分为两类：两阶段检测器和单阶段检测器。对于两阶段探测器，区域建议阶段可以在第一阶段过滤大量的背景候选，并且使在第二阶段的分类任务更平衡。近年来，单阶段探测器因其结构简单、效率高而受到广泛关注。与两阶段探测器不同，单阶段探测器必须在一个阶段内从所有候选对象中识别出前景对象。这种体系结构是有效的，但在两个方面可能会遇到不均衡的问题：类的不均衡与背景分布的不均衡，只有少数候...

最近，谷歌基于AutoML开发了EfficientNets，这是一种新的模型缩放方法。它在ImageNet测试中实现了84.1%的准确率，再次刷新了纪录。虽然准确率只比之前最好的Gpipe提高了0.1%，但是模型更小更快，参数的数量和FLOPS都大大减少，效率提升了10倍！程序：https://github.com/tensorflow/tpu/tree/master/models/off...

转载自：https://www.cnblogs.com/Xiaoyan-Li/p/9041747.html[CVPR2017] Deep Self-Taught Learning for Weakly Supervised Object Localization 论文笔记http://openaccess.thecvf.com/content_cvpr_2017/papers/Jie_D...

下面就介绍一下global average pooling这个概念出自于 network in network主要是用来解决全连接的问题，其主要是是将最后一层的特征图进行整张图的一个均值池化，形成一个特征点，将这些特征点组成最后的特征向量进行softmax中进行计算。举个例子假如，最后的一层的数据是10个6*6的特征图，global average pooling是将每一张...

彩色模型（也称为彩色空间活彩色系统）目的是在某些标准下用可以接受的放对彩色加以说明。一般彩色空间的定义都是面向硬件或者面向应用的。常见的有RGB，CMY，CMYK，HSI，CIE，YIQ，YUV等。1.RGB(red,green,blue红绿蓝)彩色模型 RGB模型中，每种颜色出现在红绿蓝的原色光谱分量中，所有颜色都有红绿蓝组成。基于笛卡尔坐标系。 假设一幅RGB图像，每通道都

在本博客中，我们首先介绍相关环境的建立，利用VOC数据训练Faster-Rcnn，和自己的数据训练faster-RCNN1.环境和数据准备环境：python2.7，tensorflow，cuda8（其他版本的Python,cuda9等也是可以的，但是需要做更多的修改）。download codes：https://github.com/smallcorgi/Faster-RCNN_TF...

来自ECCV2018 的目标检测算法，用于目标检测的新思路，缺点是作者用了10块GPU训练，迭代500K训练，对计算能力的要求较高。博主使用两块1080训练，弱到爆了code：https://github.com/umich-vl/CornerNetpaper：https://arxiv.org/abs/1808.01244以下来自http://www.xiaoxiaoxia.com/...

对于一个class-aware detector，如果你给它一个图像，它将返回一组bounding box，每个盒子与对象内部的类（即狗、猫、汽车）相关联。这意味着，当检测器完成检测时，它知道检测到了什么类型的对象。对于class-agnostic detector它检测一组对象，而不知道它们属于什么类。简单地说，他们只检测“前景”对象。前景是一个宽泛的术语，但它通常是一组包含我们想要在图像中...

图像处理中，经常需要对图像进行镜像翻转。在低级版本的Matlab中，我们可以通过mirror函数实现I = imread('lenna.jpg') %读取原图像I1 = mirror(I,1) %水平镜像I2 = mirror(I,2) %垂直镜像I3 = mirror(I,3) %水平垂直镜像目前，在较高版本的matlab中调整为flidi...

一，按照指定类型转回       通过matlab读取xml;在实际应用，有时不支持VOC的数据格式，或者需要其中指定类型的数据，或者我们利用matlab将VOC转为普通数据。转为其中label文件夹中的数据格式为基于matlab的转换程序下载地址：http://download.youkuaiyun.com/download/qq_20481015/10180621

转自：https://blog.youkuaiyun.com/u012420309/article/details/52763788采用的是AlexNet,不过稍作修改。原AlexNet网络：具体改进：1. 把最后一个层softmax改成a regession layer.predict a mask of a fixed size. 1代表this pixel lies withon...

大家可以去官网​​​​​​​下载，但是官网一般需要注册，所以大家可以复制下面的连接到迅雷中，下载Imagenet数据集http://www.image-net.org/challenges/LSVRC/2012/nnoupb/ILSVRC2012_img_test.tarhttp://www.image-net.org/challenges/LSVRC/2012/nnoupb/ILSVRC...

文章转载自：https://blog.youkuaiyun.com/u014380165/article/details/79502197论文：Improving Object DetectionWith One Line of Code论文链接：https://arxiv.org/abs/1704.04503这篇ICCV2017的文章，是NMS算法的改进，从论文题目可以看出，改进仅仅花了一行代码...

Paper Read: Robust Deep Multi-modal Learning Based on Gated Information Fusion Network转载自：https://www.cnblogs.com/wangxiaocvpr/p/9377542.htmlRobust Deep Multi-modal Learning Based onGated Inform...

一.Introduction一句话概括：SSD就是关于类别的多尺度RPN网络基本思路：基础网络后接多层feature map 多层feature map分别对应不同尺度的固定anchor 回归所有anchor对应的class和bounding box二.model三，损失输入：300x300 经过VGG-16（只到conv4_3这一层） 经过几层卷积，得到多层尺...

我们使用opencv的rectangle实现,示例程序点击import cv2image = cv2.imread('1.jpg')cv2.rectangle(image, (xmin, ymin), (xmax, ymax), (0, 0, 255), 2) cv2.imwrite('2.jpg', image)

Grid RCNN时候商汤的最新力作摘要本文提出了一种新的目标检测框架Grid R-CNN，该框架采用网格引导的定位机制进行精确的目标检测。与传统的基于回归的方法不同，网格R-CNN对空间信息进行了显式捕获，具有全卷积架构的位置敏感特性。为了减少特定点预测不准确的影响，我们设计了一个多点监督公式来编码更多的线索，而不是仅仅使用两个独立的点。为了充分利用网格中各点之间的相关性，提出了一种两阶...

文中参考：https://blog.youkuaiyun.com/nijiayan123/article/details/79416764https://www.cnblogs.com/gujianhan/p/6030639.html背景CNN能够对图片进行分类，可是怎么样才能识别图片中特定部分的物体，在2015年之前还是一个世界难题。神经网络大神Jonathan Long发表了《Fully ...

转载自https://blog.youkuaiyun.com/liuxiao214/article/details/81037416深度学习是近几年最热的技术方向之一，但是在深度学习训练时一般都要用到归一化层，使其数据分布一致。1.综述1.1 介绍归一化层，目前主要有这几个方法，Batch Normalization（2015年）、Layer Normalization（2016年）、Inst...

将SSD设置设置新的输出，比如添加了data1~label1；会出现此错误，解决方法为layer { name: "silence" type: "Silence" bottom: "label1"} 

在数字图像处理中，经常会对图像求梯度和导数，如用于Hog（Histogram of Oriented Gradient）特征计算，边缘检测等等。 一、二维数据的一阶导数 图像中假定格点的步长为1，所以一阶导数 G[f(x,y)]=[GxGy]=⎡⎣∂f∂x∂f∂y⎤⎦G[f(x,y)]= \begin{bmatrix} G_{x}\\ G_{y}\end{bma