_icrazy_的博客

配置SSD模型，用于目标检测实验。第一部分：源码下载，编译git clone https://github.com/weiliu89/caffe.gitcd caffegit checkout ssd# 或者是git clone -b ssd https://github.com/weiliu89/caffe.gitcd caffe下载的项目文件夹为caffe, 表示为$CAFFE_ROO

1. Pascal VOC Dataset2. ILSVRC2012

nms（non maximum suppression） 非极大值抑制算法在检测任务中非常常用，常常会出现在同一个目标位置处产生多个候选框；因此nms的作用是剔除掉检测结果中重合率（IOU）大于给定阈值（threshold）的候选框，最终期望达到在一个目标位置处只保留一个最优检测结果。算法原理方法的输入参数由两部分组成：dets 所有候选区域，包含每一个检测框的左上和右下角位置坐标以及置信...

参考: https://blog.paperspace.com/how-to-implement-a-yolo-object-detector-in-pytorch/ https://blog.paperspace.com/how-to-implement-a-yolo-v3-object-detector-from-scratch-in-pytorch-part-2/ https://ju...

上一篇已经介绍了yolov3使用到的网络darknet53每一层的结构,现在这里来完成代码解析和模型创建本章所有代码: ???????????????1. 加载并解析配置文件cfg/yolov3.cfg配置文件包含6种不同type, 分别为'convolutional', 'net', 'route', 'shortcut', 'upsample', 'yolo', 其中'net'...

通过给定锚点在特征图上进行目标位置预测和分类 在上一篇中我们谈到了用于yolo v3 网络模型检测的DetectionLayer层, 它的核心是通过锚点在特征图中进行运算,并通过回归的方式,最终输出目标区域位置坐标和分类信息(yolo v3 目标的分类也是用的回归而不是常用的softmax)功能实现放在了util.py的predict_transform(prediction, inp_di...

对上一步模型直接检测层的预测结果进行进一步过滤, 核心还是nms1.核心代码def write_results(predictions, confidence, num_class, nms=True, nms_thresh=0.4): # 保留预测结果中置信度大于给定阈值的部分 # predictions: shape=(1,10647, 85) # mask...

前面已经搭建了YOLO V3的网络, 只需要在此基础上提供输入,并对预测结果过滤,就可以输出了,完整工程代码已分享.所有代码: https://github.com/wanghao00/pytorch-yolo-v3/blob/master/0021. 图像预处理部分preprocess.py给定图像路径以及期望的尺寸, 进行整体缩放后, 居中放置在画布上,并返回, 返回值值包括 :...