随笔分类 - 目标检测
摘要:目标检测中的数据不平衡问题综述 https://zhuanlan.zhihu.com/p/141147948 不错的文章.总结了各种数据不平衡问题和相应解决方法. 优化算法如何选择? 一个框架看懂优化算法之异同 SGD/AdaGrad/Adam Adam的两宗罪 优化算法的选择与使用策略 adam和
阅读全文
摘要:[深度学习在3D点云处理中的探索] b站的一个视频,留存.以后做一个总结笔记.
阅读全文
摘要:SqueezeNet 论文地址:https://arxiv.org/abs/1602.07360 和别的轻量级模型一样,模型的设计目标就是在保证精度的情况下尽量减少模型参数.核心是论文提出的一种叫"fire module"的卷积方式. 设计策略 主要用1x1卷积核,而不是3x3. 减少3x3卷积核作
阅读全文
摘要:mobilenet v1 论文解读 论文地址: 核心思想就是通过depthwise conv替代普通conv. 有关depthwise conv可以参考 模型结构: 类似于vgg这种堆叠的结构. 每一层的运算量 可以看到,运算量并不是与参数数量绝对成正比 ,当然整体趋势而言,参数量更少的模型会运算更
阅读全文
摘要:通过https://github.com/amdegroot/ssd.pytorch,结合论文https://arxiv.org/abs/1512.02325来理解ssd. ssd由三部分组成: base extra predict base原论文里用的是vgg16去掉全连接层. base + ex
阅读全文
摘要:版权声明:本文为博主原创文章,遵循 CC 4.0 BY SA 版权协议,转载请附上原文出处链接和本声明。 本文链接:https://blog.csdn.net/BlowfishKing/article/details/80485006 <! flowchart 箭头图标 勿删 初步总结的SSD和yo
阅读全文
摘要:版权声明:本文为博主原创文章,遵循 CC 4.0 BY SA 版权协议,转载请附上原文出处链接和本声明。 本文链接:https://blog.csdn.net/u010167269/article/details/52563573 <! flowchart 箭头图标 勿删 Preface 这是今年
阅读全文
摘要:yolov3的论文写的比较简略,不看yolov1,yolov2很难直接看懂. 建议先看v1,v2论文. yolov3主要做了几点改进 改进了特征提取部分的网络结构 多尺度预测 分类由softmax改为logistic 前面2个改进使得yolo对小目标的检测效果更好. 特征提取网络 由darknet1
阅读全文
摘要:感觉是机器翻译,好多地方不通顺,凑合看看 原文名称:Complex YOLO: An Euler Region Proposal for Real time 3D Object Detection on Point Clouds原文地址:http://www.sohu.com/a/285
阅读全文
摘要:点云 点云是雷达采集到的信息. 关于点云基本介绍参考 ros中的点云消息结构: PointField结构: 点云消息数据存储在PointCloud2.data中. 示例: datatype=7对应的类型为PointField.FLOAT32,size为4.x/y/z的偏移都是正常的.为什么inten
阅读全文
摘要:yolov1和当时最好的目标检测系统相比,有很多缺点.比如和Fast R CNN相比,定位错误更多.和基于区域选择的目标检测方法相比,recall也比较低.yolov2的目标即在保证分类准确度的情况下,尽可能地去提高recall和定位精度. 上图是yolo尝试了的方法. 可以看到使得检测精度得到大幅
阅读全文
摘要:yolov3在目标检测领域可以算得上是state of art级别的了,在实时性和准确性上都有很好的保证.yolo也不是一开始就达到了这么好的效果,本身也是经历了不断地演进的. yolov1 测试图片 yolov1有个基本的思想,就是将图片划分为S\ S个小格grid, 每个grid负责一个目标 .
阅读全文
摘要:在准备数据集时,darknet并不要求我们预先对图片resize到固定的size. darknet自动帮我们做了图像的resize. darknet训练前处理 本文所指的darknet版本:https://github.com/AlexeyAB/darknet ./darknet detector
阅读全文
摘要:首先明确几个概念,精确率,召回率,准确率 精确率precision 召回率recall 准确率accuracy 以一个实际例子入手,假设我们有100个肿瘤病人. 95个良性肿瘤病人,5个恶性肿瘤病人. 我们有一个检测系统,去检测一个肿瘤病人是否为恶性. 那么,对我们的系统来说,有100个样本,5个正
阅读全文
摘要:"torch实现yolov3(1)" "torch实现yolov3(2)" "torch实现yolov3(3)" "torch实现yolov3(4)" 前面4篇已经实现了network的forward,并且将network的output已经转换成了易于操作的detection prediction格
阅读全文
摘要:在 "上一篇" 里我们实现了forward函数.得到了prediction.此时预测出了特别多的box以及各种class probability,现在我们要从中过滤出我们最终的预测box. 理解了yolov3的输出的格式及每一个位置的含义,并不难理解源码.我在阅读源码的过程中主要的困难在于对pyto
阅读全文
摘要:之前的文章里https://www.cnblogs.com/sdu20112013/p/11099244.html实现了网络的各个layer. 本篇来实现网络的forward的过程. 定义网络 实现网络的forward过程 forward函数继承自nn.Module Convolutional an
阅读全文
摘要:配置文件 配置文件yolov3.cfg定义了网络的结构 配置文件描述了model的结构. yolov3 layer yolov3有以下几种结构 Convolutional Shortcut Upsample Route YOLO Convolutional Shortcut 类似于resnet,用以
阅读全文
摘要:理解一个算法最好的就是实现它,对深度学习也一样,准备跟着https://blog.paperspace.com/how to implement a yolo object detector in pytorch/一点点地实现yolov3.达到熟悉yolov3和pytorch的目的. 这篇作为第一篇
阅读全文