- 博客(5)
- 收藏
- 关注
RSS订阅原创 YOLO目标检测学习笔记2
含有训练集和测试集，以及txt格式的坐标值（物体的框坐标），标签，以及每个训练和测试数据的路径（txt文件）1 init构造函数--指定网络模型（读取配置文件yolov3.cfg）包括了参数和网络层。将输入图像变为正方形做一个填充，然后加载原始坐标值，并进行变换变换为现在图像坐标值，route层--拼接图 con层--提取特征 max_pool--池化。3 网络结构构建--调用create方法--创建卷积层。yolov3--->整个网络每一个层及其参数。2 forward函数--将输入数据带入网络。
2024-05-08 22:15:37
288
原创 YOLO目标检测学习笔记1
原理:同RNN的滑动窗口方法不同，yolo系列采用检测物体中心（通过将图像分割成为边长的平方个框框并且通过每个框框得到坐标和置信度判断出类别选取置信度最高的框作为中心）并根据经验和梯度下降修改H W参数进而检测出物体。全连接层降维之后转换为7*7*30，为49个小块，每个小块内参数为候选框1的坐标候选框2的坐标(S,Y,W,H,C)再有后面的20为属于每个类别的概率。Recall(召回率)=TP/TP+FN TP:检测并判断为正例 FP:负例判断为正例。2.删除了全连接层仅用卷积层不断提取特征。
2024-04-14 21:50:09
390
1
原创 Pytorch 入门(数据集的读取)
3.然后我们需要的是创建一个类，并且封装为Dataset（大致理解是一个抽象类，所有的数据集需要继承，所有的子类需要重写__getitem__方法），详细说明如下。4.完成类的书写后开始进行调用编程，我们只需要设置变量分别为相对路径/绝对路径，然后调用类即可，代码如下，完成后运行代码即可使用PIL读取图片。注：翻阅之前的博客，我们的环境配置已经完成了，接下来进行数据集的读取---数据集需要可以私信我。1.首先要调用相关的库（需要python和cv以及pytorch库）
2024-02-27 18:38:37
703
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人