kuaqi

摘要： fasterrcnn中ROI Pooling 与 SPP 理解、 一、结构说明 1、box_roi_pooling在FaterRCNN整体框架中对应ROIpooling位置 2、POIpooling后接全连接层网络Two MLPHead 1）参考代码：faster_rcnn代码解析 二、ROI po 阅读全文

摘要： 1、Fast RCNN对RCNN的改进：参考链接 1）ROI Pooling的加入，使得Fast RCNN相比于RCNN在两个方面有了较大的改善： （1）由于ROI Pooling可接受任意尺寸的输入，warp操作不再需要，这有效避免了物体的形变扭曲，保证了特征信息的真实性 （2）不需要对每个pro 阅读全文

摘要： 1、emplace 1）emplace (pos, args)：在某个迭代器位置插入（构建）一个新对象 std::vector<int> myvector = {10,20,30}; // -> 10,100,20,30 auto it = myvector.emplace ( myvector.b 阅读全文

摘要： 参考1、 一、Mat转vector 1、生成1xN的vector对象 1）Mat对象直接转换成vector对象 （1）主要是将Mat对象转换为单通道、单行的Mat对象！然后就可以直接转换成vector对象 Mat src = imread("a.jpg"); // 通用转换 vector<int> 阅读全文

摘要： make-sense | 图像标注工具 1、用来查看已标注coco数据集 1）标注结果 （1）txt文件，一张图片一个标注 （2）在标注txt文件夹中手动添加一个label 2、导入label 阅读全文

摘要： 1、案例数据下载 1）-f 配置案例的下载内容，会自动下载到案例文件夹中 downloader.py -d D:/Programs/TensorRT-8.4.1.5/ -f ./yolov3_onnx/download.yml 2、downloader.py中修改下，后面运行程序就无需配置参数！ 阅读全文

摘要： 五种网络的比较 Yolov5代码中的五种网络，内容基本上都是一样的，只有最上方的depth_multiple和width_multiple两个参数不同。就是这两个参数（网络深度和网络宽度）决定着四种版本的不同。 阅读全文

摘要： YOLOv5的Backbone详解、 1、参数 # Parameters nc: 80 # number of classes depth_multiple: 0.33 # model depth multiple width_multiple: 0.50 # layer channel multi 阅读全文

摘要： 官网链接、 1、命令 1）没有模型配置，只能通过--model配置加载预训练模型 python train.py --epochs 5 --batch-size 4 --workers 4 --img 224 --data E:\数据集\flower_photos\flower_data --mod 阅读全文

摘要： YOLOv5 小目标检测、无人机视角小目标检测 1、图片分割、标签生成 因为我们要检测的图像分辨率很大，比如无人机拍摄的图片尺寸为5630x4314，但又有些目标很小，如果直接把图像缩放到640x640训练的话，效果不好，很多小目标就检测不到了。 因为：yolov5使用了5次下采样，最后输出的特征图 阅读全文