- 博客(17)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 史上最详细的Yolov3边框预测分析
我们读yolov3论文时都知道边框预测的公式，然而难以准确理解为何作者要这么做，这里我就献丑来总结解释一下个人的见解，总结串联一下学习时容易遇到的疑惑，期待对大家有所帮助，理解错误的地方还请大家批评指正，我只是个小白哦，发出来也是为了与大家多多交流，看看理解的对不对。论文中边框预测公式如下：其中，Cx,Cy是feature map中grid cell的左上角坐标，在yolov3中每个g...
2018-11-15 22:07:14
59389
76
原创 史上最详细的Pytorch版yolov3代码中文注释详解（一）
只有认真理解了源码，才是真正学懂了一个算法，yolov3的pytorch版官方源码见github：https://github.com/ayooshkathuria/YOLO_v3_tutorial_from_scratch作者写了个官方原版的教程，在这个教程中，作者使用 PyTorch 实现基于 YOLO v3 的目标检测器，该教程一共有五个部分，虽然并没有含有训练部分。链接：https:/...
2018-11-14 21:18:46
80961
54
原创 将实例分割数据集转为目标检测数据集
大家都知道的，想要让深度学习算法发挥良好的性能，数据集的好坏至关重要。如果做目标检测，有时候苦于想做的项目没有合适的数据集，而分割数据集有自己项目课题需要的，或者就是想把高质量的分割数据集（如Cityscapes）拿来用于目标检测任务，就需要将深度学习实例分割数据集改造为目标检测数据集。那么如何将像素级的多边形标注的分割数据标注转为目标检测的bbox标注呢？其实很简单，由于分割的每个目标的多边...
2018-11-07 15:00:51
8999
6
转载 （转）深度学习卷积神经网络——经典网络GoogLeNet(Inception V3)网络的搭建与实现
一、Inception网络（google公司）——GoogLeNet网络的综述获得高质量模型最保险的做法就是增加模型的深度（层数）或者是其宽度（层核或者神经元数），但是这里一般设计思路的情况下会出现如下的缺陷：1.参数太多，若训练数据集有限，容易过拟合；2.网络越大计算复杂度越大，难以应用；3.网络越深，梯度越往后穿越容易消失，难以优化模型。 解决上述两个缺点的根本方法是...
2019-03-19 15:22:49
966
转载 （转）SSD原理解读-从入门到精通
前言五一假期期间，写了几篇SSD源码解读系列文章，阅读完源码之后，SSD的很多细节都弄懂了，经过这几个月的工作和学习，对SSD又有了新的理解，这里跟大家一起分享我对SSD的一些理解，欢迎一起讨论交流。目录前言目录SSD效果为什么这么好原因1：多尺度原因2：设置了多种宽高比的default box理论感受野和有效感受野为什么要设置default box?default bo...
2019-03-19 15:19:59
3594
原创 CFENet极简笔记
检测小物体的能力和物体探测器的速度对于自主驾驶的应用非常重要。所提出的检测器继承了SSD的架构，并在其中引入了一种新颖的综合特征增强（CFE）模块。 本竞赛数据集以及MSCOCO数据集的实验结果表明，所提出的探测器（名为CFENet）的性能远远优于原始SSD和最先进的方法RefineDet，尤其适用于小型物体，同时保持高效率接近原始 SSD。为了检测速度，我们选择了one stage目标检...
2019-03-13 16:39:35
1011
转载 转“Yolo的卷积运算源码图解之im2col.c”
yolo卷积源码解读找了好久,但网上好多的解读,有点误人子弟, 之前还找到一片注释写的比源代码还多几倍的,以为我就这样看懂了? 不存在的 QWQ,后来直接自己看懂了源码,却看不懂了注释于是有了下面的自己理解:先放出源码:#include "im2col.h"#include <stdio.h>/*** 从输入的多通道数组im（存储图像数据）中获取指定行、列、、通道数处...
2019-01-11 15:16:00
669
原创 CornerNet算法解读
CornerNet: Detecting Objects as Paired Keypoints 论文链接：https://arxiv.org/abs/1808.01244代码链接：https://github.com/umich-vl/CornerNet1.背景介绍和摘要目前的检测算法主要思路还是设置大量anchor+分配正负样本+训练的一个思路，Anchor的本质是目标的候选框，...
2018-12-27 10:55:12
7974
1
转载 （转）Yolov3总结
YOLOV3总结 首先是yolov3,下图贴出的是yolov3的框架图：上述是yolov3的示意图，整个yolov3的完整可视化资源已上传网站，下载地址为https://download.youkuaiyun.com/download/weixin_41015185/10790747，如下载有问题请联系作者， 创建一个logdir文件夹，将下载...
2018-12-07 14:41:20
7879
1
原创 Context encoding for semantic segmenftation论文笔记
之前引入上下文的方式：①使用空洞卷积（膨胀卷积）来增大感受野②使用多尺度特征金字塔结构来增大感受野但这些方法均是通过增大感受野来引入上下文信息，捕获上下文信息是否就等同于增大感受野呢？空洞卷积存在的问题：CNN通过迭代非线性激活和下采样的卷积层能捕获带全局感受野的信息表示，为了克服下采样带来的空间分辨率损失，常用空洞卷积策略以预训练模型上产生密集预测。然而此策略依然会将像素从全...
2018-12-02 23:34:06
896
原创 史上最详细的Pytorch版yolov3代码中文注释详解（四）
史上最详细的Pytorch版yolov3代码中文注释详解（一）：https://blog.youkuaiyun.com/qq_34199326/article/details/84072505史上最详细的Pytorch版yolov3代码中文注释详解（二）：https://blog.youkuaiyun.com/qq_34199326/article/details/84206079史上最详细的Pytorch版yo...
2018-11-26 11:07:15
12598
6
原创 史上最详细的Pytorch版yolov3代码中文注释详解（三）
史上最详细的Pytorch版yolov3代码中文注释详解（一）：https://blog.youkuaiyun.com/qq_34199326/article/details/84072505史上最详细的Pytorch版yolov3代码中文注释详解（二）：https://blog.youkuaiyun.com/qq_34199326/article/details/84206079史上最详细的Pytorch版yo...
2018-11-23 11:16:25
15223
22
转载 （转）Context Encoding for Semantic Segmentation笔记
Context Encoding for Semantic Segmentation原文地址：EncNet收录：CVPR2018(IEEE Conference on Computer Vision and Pattern Recognition)备注：本文中的Encoding Layer参考纹理识别–(Deep TEN)Deep TEN: Texture Encoding Network介...
2018-11-19 20:46:10
468
原创 史上最详细的Pytorch版yolov3代码中文注释详解（二）
史上最详细的Pytorch版yolov3代码中文注释详解（一）：https://blog.youkuaiyun.com/qq_34199326/article/details/84072505史上最详细的Pytorch版yolov3代码中文注释详解（三）：https://blog.youkuaiyun.com/qq_34199326/article/details/84349977史上最详细的Pytorch版yo...
2018-11-18 22:41:43
19468
12
原创 RefineDet详细介绍
中科院自动化所最新力作，map几乎算是当前最优，在VOC20007测试集上当输入图片512*512时，有81.8%的MAP，速度也有24FPS。YOLO和SSD系列的单阶段检测算法本质上与RPN网络无异，只不过RPN网络不做多类别预测，只是简单地区分物体和背景。在双阶段方法中，RPN起到的作用是给出Region proposals做出粗糙检测，而对于单阶段算法想一步到位，直接采用”RPN”...
2018-11-15 20:30:50
10293
原创 Focal loss论文详解
Focal Loss for Dense Object DetectionICCV2017 RBG和Kaiming大神的新作。论文目标我们知道object detection的算法主要可以分为两大类：two-stage detector和one-stage detector。前者是指类似Faster RCNN，RFCN这样需要region proposal的检测算法，这类算法可以达到很...
2018-11-07 15:23:17
9397
原创 百度ApolloScape Dataset 用于目标检测任务
百度近期开源了自动驾驶大型数据集，官方网址：http://apolloscape.auto/index.html数据集的具体介绍就看官方网址就行，如何利用这个数据集做目标检测呢？就是要把像素的实例级分割转为包围框xmin,xmax,ymin,ymax即可。以处理road_04为例，代码展示如何使用。import jsonimport os from os import listdi...
2018-11-07 15:20:07
5933
2
语义分割标注转为目标检测框标注
2018-12-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人