- 博客(19)
- 收藏
- 关注
RSS订阅原创 PaddleDetection算法分析(14)
2021SC@SDUSC三、SSD训练过程：源码如下def vgg(cfg, i, batch_norm=False):'''该代码参考vgg官网的代码''' layers = [] in_channels = i for v in cfg: # 正常的 max_pooling if v == 'M': layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
2021-12-25 14:04:33
893
原创 PaddleDetection算法分析(13)
2021SC@SDUSC分析完了PaddleDetection的竞赛冠军模型。接下来分析移动端模型PaddleDetection目前提供一系列针对移动应用进行优化的模型，主要支持以下结构:其中大量网络应用了ssd算法 我们接下来进行对其中ssd算法的分析链接介绍:SSD github : https://github.com/weiliu89/caffe/tree/ssdSSD paper : https://arxiv.org/abs/1512.02325SSD 动态.
2021-12-25 13:15:32
1922
原创 PaddleDetection算法分析(9)
2021SC@SDUSC本章节开始对PaddleDetection使用的YOLOv4算法进行分析接下来几章分析yolov4如下技术：random erasing、cutout、hide-and-seek、grid mask、Adversarial Erasing、mixup、cutmix、mosaic、Stylized-ImageNet、label smooth、dropout和dropblock。 下一篇分析网络结构、各种层归一化技术、以及其他相关技术。1 数据增强相关1...
2021-12-24 22:44:45
605
原创 PaddleDetection算法分析(8)
接上文 继续torchvision Faster-RCNN ResNet-50 FPN的分析FPNFPN，即Feature Pyramid Networks，是一种多尺寸，金字塔结构深度学习网络，使用了FPN的Faster-RCNN，其测试结果超过大部分single-model，包括COCO 2016年挑战的获胜模型。其优势是对小尺寸对象的检测。FPN代码解读torchvision中包含了ResNet50 FPN完整的源代码（这里参考的是torchvision 0.7.0里面的代码），.
2021-12-07 23:04:27
250
原创 PaddleDetection算法分析(7)
2021SC@SDUSC接上文 分析我们没有分析过的两阶段目标检测模型FasterRCNN-ResNet50vd-FPN简要介绍PaddleDetection不仅复现了常见的目标检测模型，还对模型的进行了图像增强、骨干网络优化、DropBlock，IoU Loss IoUAware等一系列深度优化。同时，内置集成模型压缩能力，提供了一键式剪裁，蒸馏，量化的脚本，大大提高模型精度和速度，并减小模型体积。1.单阶段目标检测模型YOLOv3精度方面，原论文作者开源的YOLOv3模型在COCO数.
2021-12-07 22:56:28
776
原创 PaddleDetection算法分析(5)
2021SC@SDUSCPython 2.7.1 PaddlePaddle >=1.5 CUDA 9.0 cuDNN >=7.4 NCCL 2.1.2通用设置所有模型均在COCO17数据集中训练和测试。 除非特殊说明，所有ResNet骨干网络采用ResNet-B结构。 对于RCNN和RetinaNet系列模型，训练阶段仅使用水平翻转作为数据增强，测试阶段不使用数据增强。 推理时间(fps): 推理时间是在一张Tesla V100的GPU上通过'tools/eval.py'
2021-11-29 12:03:21
2459
原创 PaddleDetection目标检测任务简介和概述
2021SC@SDUSC目标检测任务简介目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置，如下图所示。图（a）是图像分类任务，只需识别出这是一张斑马的图片。 图（b）是目标检测任务，不仅要识别出这是一张斑马的图片，还要标出图中斑马的位置。目标检测是计算机视觉的主要方向之一，同时也是实例分割，人脸检测，关键点检测等视觉任务的基础，目标检测应用场景广泛，下面列举了一些常见的应用场景。目标检测任务的挑战对于目标检测任
2021-11-15 09:54:03
9879
原创 PaddleDetection算法分析（2）
2021SC@SDUSC特色垂类模型有两个模型 一个是车辆检测 一个是行人检测 查看源代码是痛苦的事 因此只看他的关键算法基于Dacknet53的YOLOv3算法darknet53一共53层卷积，除去最后一个FC（全连接层，实际上是通过1x1卷积实现的）总共52个卷积用于当做主体网络。首先分析darknet53的网络结构这52个卷积层是这样组成的：首先是1个32个过滤器的卷积核，然后是5组重复的残差单元resblock_body（这5组残差单元，每个单元由1个单独的卷积层与一组重复执
2021-10-17 22:58:33
519
原创 PaddleDetection代码分析和训练数据集（1）
2021SC@SDUSCpaddledetection作为国内出名的应用于目标检测框架，想要搞明白并不是一件非常容易的事，在分析代码之前，要首先知道如何使用它打个比方 我们想要
2021-10-10 23:10:29
1558
原创 PaddleDetection部署以及小组分工 版本(win10+vs2019)
2021SC@SDUSCPaddleDetection项目简介PaddleDetection是PaddlePaddle(百度飞桨，百度推出的深度学习平台，可简单理解为一个生态，一个环境)推出的物体检测统一框架。支持现有的RCNN、SSD、YOLO等系列模型、支持ResNet、ResNet-VD、ResNeXt、ResNeXt-VD、SENet、MobileNet、DarkNet等主干网络。针对不同的业务场景（性能、目标大小、准确率等）可以选择框架中的不同模块组合得到最适合的模型，实现任务。相比于t.
2021-09-30 20:48:02
1332
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人