boundin box-优快云博客

原创 PYTORCH疑惑系列--permute，view，shape

在深度学习中经常出现维度转换操作，但维度转换很可能会打乱数据。这次我们设置一些实验去了解原理。 bs = 8 x = torch.tensor([ [ [1, 2],[3, 4],[5, 6],[7, 8] ], [ [9, 10],[11, 12],[13, 14],[15, 16] ], [ [17, 18],[19, 20],[21, 22],[23, 24] ], [ [25,

2021-11-13 16:12:55 1399

原创 Fiftyone 可视化

文章结构导入数据集打开可视化界面显示加载自己的预测数据集评估结果分析导入数据集 fiftyone支持许多官方数据集，如coco等。这些数据集的加载方式较为简单。可直接使用官方提供的加载方式： import fiftyone as fo import fiftyone.brain as fob import fiftyone.zoo as foz import numpy as np import cv2 import json from collections import defaultd

2021-11-12 17:57:10 6245 2

原创 Detection2安裝BUG記錄

error: identifier “AT_CHECK” is undefined 解決方法：找到出現這個問題的第一行，我這裡是：/home/xx/桌面/detectron2/detectron2/detectron2/layers/csrc/deformable/deform_conv.h(135): error: identifier "AT_CHECK" is undefined。就是頭文件中缺少定義，我們使用編輯器去修改頭文件即可： nano /home/xx/桌面/detectron2/det

2021-10-31 11:10:10 368

原创 pytorch训练损失为NAN（NLLLoss）

在训练分类网络的时候经常使用NLLLoss作为损失函数。并且对于网络的输出有out=F.log_softmax(x)。由于刚开始训练不太稳定。很容易出现loss=nan。这是由于在计算log_softmax()时容易出现log0的情况：解决方法： out=F.log_softmax(x+1e-10)给x添加一个很小的数。 ...

2021-10-29 16:55:11 1754 1

原创 Detectron2 交叉验证。直接计算mAP版本

Detectron2 交叉验证目的：在训练的过程中使用验证集合的结果老判断是否出现了过拟合现象。这个教程是在验证集上面直接评定指标，而不是计算验证集合的损失。关于将验证集的损失作为交叉验证的对象可看这里。实现原理由于Detecton2将不属于模型运行的部分用Hook包装。所以我们可以注册Hook去实现交叉验证方法。关于Detectron2训练的一个简单梳理，可以看这里。参数设置我们在配置文件中加入以下的字段（也可以直接在代码里面写入数值，但这不方便修改）。 _C.CROSS_VAL = CN()

2021-10-18 17:41:15 809 1

原创 cvpods Debug方法

最近在看论文。某些论文用到了cvpods框架，但cvpods的教程链接失效了。提出问题也没有回答。这个情况下看别人的论文代码就很蛋疼。这个教程是为了能够在pycharm里面进行debug，非常的暴力。找到目标github，下载。按照目标github的教程确认能够运行。找到cvpods的train_net.py文件输入下面几行代码 import os import sys print(os.getcwd()) print(sys.path) 再次回到目标github的下载目录，运行。注意

2021-09-12 15:45:34 846

转载 Error: mkl-service + Intel(R) MKL: MKL_THREADING_LAYER=INTEL is incompatible with libgomp.so.1 libra

Error: mkl-service + Intel® MKL: MKL_THREADING_LAYER=INTEL is incompatible with libgomp.so.1 library. Try to import numpy first or set the threading layer accordingly. Set MKL_SERVICE_FORCE_INTEL to force it. 试一下这个： os.environ['MKL_THREADING_LAYER

2021-06-14 10:43:12 4129 3

原创简单的复制粘贴数据增强

思想：利用下标值操作首先抠出原图中的候选目标的mask 这里有几点需要注意：我们是通过下标操作，所以我们不需要得到原图的像素值。仅仅得到原图对应像素值的下标即可得到下标的同时需要进行判断是否超出边界。 gt_box_i = batched_inputs[select_image]['instances'].gt_boxes.tensor[i] # 这是已经转换了的box，coco数据集可能原始的是x,y,w,h格式 ori_mask = torch.zeros_like(

2021-05-15 10:04:58 949 1

原创 Rethinking Classification and Localization for Object Detection

Rethinking Classification and Localization for Object Detection 提出问题在目标检测开始以来。目前所有的分类器都是将Classification划分为分类任务并且使用卷积对类别进行评分（刚开始是使用svm到后来的全连接，最后流行全卷积）。将定位任务（bbox）当作回归任务，使用全连接层给出（也流行使用卷积直接给出位置）。作者疑问全连接和卷积对于这2个任务的适配性，开展了研究。实验1：分析卷积（conv）和全连接（fc）对任务的适配性实

2021-03-20 21:08:15 683

原创 Adaptive Training Sample Selection

分析不同（anchor-based and anchor-free）作者使用RetinaNet和FCOS作为对象，研究使用anchor和不使用anchor的一阶段目标检测器之间的差别，作者认为，主要有以下3方面的不同：每个网格中平铺的anchor的数量（Fcos相当于只平铺了一个anchor）。RetinaNet使用多尺度，不同比例的anchor平铺在一个网格上。区分正负样本的方式。RetinaNet区分正负样本就比较暴力，直接利用IOU判断这个框是否是正样本．而Fcos相较于RetinaNet的

2021-03-16 20:49:08 355

原创 fcos: debug记录

fcos：demo代码debug记录源代码来源： https://github.com/tianzhi0549/FCOS 使用默认配置开始debug fcos_demo.py 前面都是参数设置：每个类别的阈值设置，对应coco数据集的80个类别 thresholds_for_classes #得到用来测试的 ...

2021-03-12 17:51:38 431

原创 pytorch Segmentation fault (core dumped)

pytorch Segmentation fault (core dumped) 今天训练的时候出现了这个错误，解决方法：调小batch_size

2020-11-23 22:39:53 832

qq_40246742的博客