原创 YOLOV1-V2
文章目錄yolov1設計思想網絡設計損失函數網絡訓練yolo V2改進網絡設計 yolov1 設計思想 YOLO將輸入圖像分成SxS個格子，若某個物體 Ground truth 的中心位置的座標落入到某個格子，那麼這個格子就負責檢
2020-06-04 13:23:20
原创 目標檢測trick實驗和代碼解析（基於yolov3）
文章目錄實驗結果focal lossL2 損失GIOUNMS / SOFT NMS 實驗結果 注：實驗均不交叉，單獨在base 上實驗 ps model map delta baseline 001/19 84.75
2020-06-04 13:23:20
1
原创 [論文閱讀]DenseBox: Unifying Landmark Localization with End to End Object Detection
文章目錄contributionDenseBox for Detectionground truth生成模型設計多任務訓練平衡採樣結合關鍵點的模型對比 contribution （1）使用全卷積網絡進行目標檢測任務，並可以準確有效
2020-06-04 13:23:20
13
原创 tensorflow:關於指定/固定padding解決方法
文章目錄遇到問題：解決思路： 遇到問題： 做工程中，碰到了padding需要指定的情況，但是conv2d裏的參數padding只有valid和same兩個屬性，不能滿足要求。關於valid和same兩個屬性介紹可以參考這裏：htt
2020-06-04 13:23:20
原创 parking
文章目錄一：demo視頻地址二：性能參數對比三：檢測效果圖片展示 一：demo視頻地址 https://www.bilibili.com/video/av45008099 二：性能參數對比 yolov3 對標其他檢測器實驗 Mo
2019-07-30 15:17:48
原创 parking-horizon
Vedio https://blog.csdn.net/qq_25800609/article/details/96865226 實驗
2019-07-30 15:17:48
原创 [論文閱讀]：MobileNet系列
文章目錄V1標準卷積深度可分離卷積網絡結構代碼參考 V1 MobileNet是基於深度可分離卷積的。通俗的來說，深度可分離卷積乾的活是：把標準卷積分解成深度卷積(depthwise convolution)和逐點卷積(pointwis
2019-04-23 16:09:56
9
原创 [論文閱讀]：Improving Object Detection With One Line of Code
soft nms 在目標檢測中，非極大值抑制是重要的組成部分，然而它存在一個問題：他會把相鄰的邊界框iou大於一定閾值的直接置成0，所以可能會導致丟框現象出現，會降低評測指標。論文提出的方法，是會降低和M iou大於一定閾值的scor
2019-04-02 15:10:08
1
原创 yolov3詳解
文章目錄前言bouding box 迴歸Darknet 53 架構多尺度預測參考文獻 前言 使用yolo v3有一段時間了，從最開始簡單的工程使用，到後來代碼和論文更深的理解，現在做個總結與回顧 bouding box 迴歸 和v2基
2019-04-01 02:09:47
3
原创 [論文閱讀]Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
文章目錄RPN（ Region Proposal Networks）anchorsoftmax判定foreground與background參考資料 RPN（ Region Proposal Networks） 可以看到RPN網絡實
2019-03-31 02:22:47
原创 目標檢測系相關論文閱讀
基於優化的算法 1.泛讀（CVPR 2019）GIOU Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regressionhttps
2019-03-18 15:12:56
原创 [論文閱讀]Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression
分析 目標檢測中，邊界框迴歸是很重要的一個組成部分，判斷一個邊界框迴歸好壞，一般通過IOU來體現。 優化迴歸損失與優化IOU之間存在差距 分析一 然而在當前檢測算法中，並不是直接優化IOU，而是將IOU decode成(x,y,w,h
2019-03-17 02:27:13
2
原创 [論文閱讀]Focal Loss for Dense Object Detection
概括 作者認爲之所以單步驟檢測算法精度上比不過雙步驟檢測算法，主要原因是訓練過程中的正負樣本不均衡導致，並提出了focal loss來解決類別不均衡問題 分析 雙步驟檢測算法中的類別不均衡 類別不均衡問題可以在雙步驟檢測算法中得到解決
2019-03-12 14:39:26
1
原创 除自身以外數組的乘積
題目描述： 給定長度爲 n 的整數數組 nums，其中 n > 1，返回輸出數組 output ，其中 output[i] 等於 nums 中除 nums[i] 之外其餘各元素的乘積。 示例: 輸入: [1,2,3,4] 輸出: [2
2019-03-06 13:01:31
原创 盛最多水的容器
給定 n 個非負整數 a1，a2，…，an，每個數代表座標中的一個點 (i, ai) 。在座標內畫 n 條垂直線，垂直線 i 的兩個端點分別爲 (i, ai) 和 (i, 0)。找出其中的兩條線，使得它們與 x 軸共同構成的容器可以容
2019-03-03 15:10:59