目标检测
关注
分享
扫一扫
计算机视觉-Archer
专注于计算机视觉的[显著、伪装物体检测][图像分割][扩散模型]方向，分享“读论文-写论文-写代码”过程的爬坑经验~
展开
-
饭后时间（一）---SSD中的 带孔卷积原理
https://www.bilibili.com/video/av451249831 优点：1增加感受野2 减少层数，提高效率2 感受野：卷及运算，输出每层的特征图上面的像素点在原始图像上面的映射区域的大小3 步长为1的情况3*3的卷积核，步长1, 3次才能到7*7 （1 + 2*3 = 7） 1*1的特征图感受野为7*7，步长1...原创 2019-07-07 19:13:16 · 1320 阅读 · 0 评论 -
（流产）Pytorch---YOLO---（一）
1.1 从零开始PyTorch项目：YOLO v3目标检测实现:https://blog.youkuaiyun.com/jacke121/article/details/805725371.2 对应代码：https://github.com/ayooshkathuria/YOLO_v3_tutorial_from_scratch...原创 2019-07-05 23:00:44 · 411 阅读 · 0 评论 -
（流产）Pytorch---SSD（一）---目标检测------ 手把手教你运行github上面的项目：amdegroot/ssd.pytorch（待完成）
前言:我想着深入学习一下目标检测算法，这个假期把他的内在内容精华学习到原来的SSD是在CAFFE平台下运行的现在我想使用pytorch复现现在两个选择一个是pytorch1.0, 另外一个是pytorch0.4.1鉴于现在老版本的资料比较多我选择老版本的去复现学习老版本的pytorch0.41优快云各种SSD博客(下面都是)：github:https://github.co...原创 2019-07-06 22:54:21 · 3675 阅读 · 2 评论 -
A级课程--- 从零开始（三）---网络架构1-2
https://www.bilibili.com/video/av43996494/?p=20上一节没写完的代码#!usr/bin/python# -*- coding: utf-8 -*-# Creation Date: 2019/7/10import tensorflow as tfimport numpy as npimport cv2 class ssd(...原创 2019-07-11 22:56:07 · 427 阅读 · 0 评论 -
A级课程--- 从零开始（一）---keras实现 VGG (含完整代码)
https://www.bilibili.com/video/av41228356分类任务1 网络结构分析输入:（224x224x3）->两个（卷积层+relu） （224x224x64）->一个最大池化， 两个卷积+relu （112x112x128）->一个最大池化，三个卷积+relu （56x56x256）->一个最大池化，三...原创 2019-07-07 12:57:17 · 1459 阅读 · 2 评论 -
ssd算法原理---我个人的重新解析
https://www.cnblogs.com/fariver/p/7347197.html博客园ssd结构解析：1 其中6层用于提取特征：4,7,8,9,10,11层SSD与yolo不同之处是除了在最终特征图 11上做目标检测之外，还在之前选取的5个特特征图上进行预测。2 其中6,7层，是由原vgg16网络的6,7 FC全连接层改为了卷积层的3 其中黄色框里面的部...原创 2019-07-30 20:34:23 · 1788 阅读 · 1 评论 -
A级课程--- 从零开始（六）---ssd 先验框筛选 2-3 （含tf.reshape, tf.argmax, tf.reduce_max, tf.boolean_mask讲解）
https://www.bilibili.com/video/av43996494/?p=5上节进展：在此基础上面做改进#!usr/bin/python# -*- coding: utf-8 -*-# Creation Date: 2019/7/10import tensorflow as tfimport numpy as npimport cv2''' 注释说明 ...原创 2019-08-03 22:45:07 · 675 阅读 · 0 评论 -
A级课程--- 从零开始（七）---ssd 2-4训练部分 收尾补充（IOU, NMS）
https://www.bilibili.com/video/av43996494/?p=61 补充说明(修正前面代码存在问题):# 先验框筛选 def choose_anchor_boxes(self, predictions, anchor_box, n_box): # predictions列表里面的元素表示：类别预测的置信度, shape = ...原创 2019-08-05 23:24:34 · 961 阅读 · 0 评论 -
(训练一)王朗自然保护区---目标检测数据集介绍 & balancap/ssd训练介绍
１数据集准备1 王朗DIY2 这个数据集要放在ssd目录下：/home/hp/z../Tensorflow/Deeplearning/SSD-Tensorflow-master我们使用的tf框架下的ssd是github上面balancap/SSD-Tensorflow版本: https://github.com/balancap/SSD-Tensorflow3 关于...原创 2019-09-09 22:41:43 · 491 阅读 · 0 评论 -
(训练二)王朗自然保护区---训练前准备,设置
参考：https://blog.youkuaiyun.com/weixin_39881922/article/details/805698031 xml目标计算参考:https://blog.youkuaiyun.com/zjc910997316/article/details/1007765272 生成tset.txt等文件:https://blog.youkuaiyun.com/zjc910997316/article/d...原创 2019-09-11 15:22:57 · 371 阅读 · 6 评论 -
(训练三)王朗自然保护区---数据集部分补充说明:计算xml文件里面目标数量 & 生成训练和测试的txt文件
1 计算xml文件里面目标数量# -*- coding:utf-8 -*-import osimport xml.etree.ElementTree as ETimport numpy as npnp.set_printoptions(suppress=True, threshold=10000000)import matplotlibfrom PIL import Ima...原创 2019-09-12 16:44:04 · 336 阅读 · 0 评论 -
声纳---前视声纳图像目标跟踪系统研究--13年，哈工程，硕士毕业论文
原创 2019-07-11 11:24:36 · 1189 阅读 · 0 评论 -
A级课程--- 从零开始（四）---ssd 2-１ 先验框生成 (代码注释规范 & np.mgrid() )
注意这里b站顺序颠倒了 https://www.bilibili.com/video/av43996494/?p=40 上一节没写完的代码从零开始（三）---网络架构1-2https://blog.youkuaiyun.com/zjc910997316/article/details/95518998#!usr/bin/python# -*- coding: utf-8 -*-...原创 2019-07-14 23:11:16 · 819 阅读 · 1 评论 -
A级课程--- 从零开始（五）---ssd 2-2 解码
https://www.bilibili.com/video/av43996494/?p=30 上一节没写完的代码从零开始（四）---ssd解码2-1#!usr/bin/python# -*- coding: utf-8 -*-# Creation Date: 2019/7/10import tensorflow as tfimport numpy as npi...原创 2019-07-14 21:07:37 · 4574 阅读 · 0 评论 -
饭后时间（二）---SSD单步多框目标检测之vgg16 & 全连接层，多尺度目标识别
https://www.bilibili.com/video/av45229661（两课）single shot multibox detector 特点1 结构上采用了卷积的形式取代了全连接层2 卷积核不变的情况下，采用特征图降采样，来识别不同大小的同一类物体3 设置多个先验框4 CNN直接检测1 结构下图VGG16输入:（224x224x3）...原创 2019-07-07 22:04:36 · 2610 阅读 · 0 评论 -
饭后时间（三）---单步多框目标检测，之先验框
https://www.bilibili.com/video/av454159851 设置多个先验框1 YOLO的先验框是正方形，实际物体是比较多变的。2 多目标中心位置位于同一个栅格内（一个栅格要侦测多个物体）PS:yolo都是方格，比较傻，一个栅格只能识别一个物体里面可能多个物体，最后只会给到一个物体这种情况ssd可以，yolo不可以3 SSD包含了背...原创 2019-07-07 23:25:13 · 3040 阅读 · 2 评论 -
饭后时间（四）---SSD先验框的尺寸及计算源码(含代码ssd_anchor.py)
b站：连翘春风冻傻抱蚁人https://www.bilibili.com/video/av45660456net->ssd_vgg_300.py本文研究核心准备先验框的尺寸：因为SSD在每一层特征图上面都有不同尺寸的先验框1 特征图到了相应的层再去计算2 而先验框大小是计算好了的，存起来，用到了再调出来1先验框尺寸计算讲解1 正方形，先验框尺寸关系sk'...原创 2019-07-09 10:57:26 · 4421 阅读 · 0 评论 -
B级课程---目标检测进阶---(目标检测-Focal loss,RFBNet)（一） 用了 Focal Loss 的 RetinaNet （未完待续）
https://www.bilibili.com/video/av50577127/?p=1focal 1focal 2检测分为：一阶段 ，yolo, ssd两阶段,anchor-freeanchor-free比较重要的：conernet,densebox,centernet,grid,foos,fsaf,cornernet-lite,extremenet...原创 2019-07-12 22:42:55 · 427 阅读 · 1 评论 -
目标检测 ssd yolo rcnn 算法的原始框架介绍
ssd --> caffe 作者： 刘伟yolo --> darknet 作者： Joseph Redmonfaster rcnn --> matlab 作者： 何凯明 任少卿 Ross Girshick原创 2019-01-18 21:52:23 · 503 阅读 · 0 评论 -
深度学习——目标检测常用算法实战(二)：NMS算法详解
b站（7）https://www.bilibili.com/video/av57436842/?p=71 去掉冗余1 利用得分，给检测框排序选出最大得分的检测框A1，将与A1的IOU重叠率高的检测框，进行删除,2 其余的剩下的检测再次排序，选择最大的A2，将与A2的IOU重叠率高的检测框，再次进行删除,3 ...迭代多次输出结果# /=== ===> ...原创 2019-07-04 11:42:32 · 1728 阅读 · 0 评论 -
深度学习——目标检测常用算法实战(三)：基于one-stage的目标检测算法综述 & 与two stage比较
b站(10，11， 12):https://www.bilibili.com/video/av57436842/?p=101 one-stage 简介1 特点：直接回归，无RPN过程2 缺点：精度差3 特点：少了RPN,候选区域目标推荐分类，回归4 主流算法yolo, ssd, retina2 核心组件1 CNN网络 得...原创 2019-07-04 11:56:27 · 836 阅读 · 0 评论 -
深度学习——目标检测常用算法实战(四)：SSD
b 13https://www.bilibili.com/video/av57436842/?p=12在卷积网络基础上，直接回归，不需要RPN端到端检测介绍：分类，位置精修主干网络...原创 2019-07-04 23:12:03 · 442 阅读 · 0 评论 -
A级课程--- 从零开始（二）---python:tensorflow实现ssd目标检测算法 1-1 ＆ tf.pad()
https://www.bilibili.com/video/av43996494高清原图VGG修改图示意图上信息讲解1 大体结构vgg前5层保留，后面是三个全连接层现在是VGG前5层，后面6-11是卷积层VGG基础上加了+ conv6,conv7,conv8,conv9,conv10,conv11提取特征的feature map是conv4 ...原创 2019-07-10 17:33:03 · 1595 阅读 · 1 评论 -
balancap/ssd 里面rclasses, rscores, rbboxes = process_image(frame) 解读
notebooks/ssd_ notebook.py(或者notebooks/ssd_ notebook.ipynb)文件中有一段函数rclasses, rscores, rbboxes = process_image(frame)rbboxes是一个<numpy.ndarray>格式,里面是二维数组[[0.37487125 0.40014353 0.6358912 0.51...原创 2019-09-13 21:34:19 · 500 阅读 · 0 评论