原创 【代碼】CenterNet的使用
一、數據集的準備（PASCOL VOC） 首先將src/tools/get_pascal_voc.sh中涉及的數據集和工具都下載下來，之後在tools中建立voc文件夾，將數據集和工具放入到voc中，運行修改後的腳本： cd voc t
2020-06-21 17:12:52
21
原创 【代碼】CenterNet使用（Detection）（demo.py）
一、運行demo.py 按照readme裏頭的創建一個新環境，按照要求安裝即可，中間也遇到了不少的問題，比如說一開始裝上了torch0.4.1，之後不能安裝torchvision，所以又升到了torch1.0，安裝完torchvison之
2020-06-21 16:34:09
33
原创 【實驗】COCO數據集上的實驗
1.MMdetection上的實驗 1.1 cascade_rcnn_x101 CUDA_VISIBLE_DEVICES=3 python ./tools/test.py ./configs/cascade_rcnn_x101_6
2020-06-21 16:34:09
8
原创 【代碼】CenterNet代碼解析
這篇文章主要就是介紹一些用到的重要的函數，只介紹detection部分。 0.網站 https://github.com/xingyizhou/CenterNet install: https://github.com/xingyizho
2020-06-21 16:33:58
19
原创 【論文】SNIP - An Analysis of Scale Invariance in Object Detection
0.總結 SNIP提出了一種適用於2-stage檢測器的Image Pyramid訓練方法。該訓練方法能夠做到： 提供多尺度的物體信息，豐富語義信息，也是爲了彌補2中篩選造成的信息缺失 限制檢測器在每個Scale上的訓練（篩選A
2020-06-21 16:33:58
1
原创 【代碼】CenterNet使用（續）（對五六七部分詳解）（七）
接上面部分，對五六七部分進行詳解，這篇介紹第七部分。 一、回顧 第七部分進行最後的後處理： results = self.merge_outputs(detections) torch.cuda.synchronize(
2020-06-21 16:33:58
2
原创 【代碼】CenterNet使用（續）（對五六七部分詳解）（五）
接上面部分，對五六七部分進行詳解，這篇介紹第五部分，也就是model從建立到測試，數據從images到output、dets的詳細過程。 一、回顧 第五部分放入網絡中測試，產生輸出： output, dets, forwar
2020-06-21 16:33:58
1
原创 【代碼】mmdetection源碼解讀（從score獲得bboxes）
0. 簡介 anchor_head中的get_bboxes如何將score變成bboxes。 1. get_bboxes assert len(cls_scores) == len(bbox_preds)
2020-06-21 16:33:58
1
原创 【代碼】mmdetection框架
0.前言 這篇文章是使用mmdetection的一些記錄，記錄對於代碼、設計理念的個人理解。 1.train 使用tools.train進行訓練。添加如下代碼來使用debug模式： import os os.env
2020-06-21 16:33:58
1
原创 【代碼】mmdetection中的mmdet.datasets
1.collate 用來拼接batch中的數據。與標準的pytorch中的default_collate不同，這裏的collate返回的是一個列表，每個列表中的元素是一個minibatch，應該是爲了用於多個gpu，每個gpu上運
2020-06-21 16:33:58
原创 【代碼】CenterNet使用（續）（對五六七部分詳解）（六）
接上面部分，對五六七部分進行詳解，這篇介紹第六部分。 一、回顧 第六部分對得到得dets進行後處理： dets = self.post_process(dets, meta, scale) torch.cuda.
2020-06-21 16:33:57
1
原创 【其他】【思考】目標檢測的目標以及mAp(0)
一、簡介 目標檢測（object detection）是一個CV中一個經典的問題，相對於物體識別任務而言，它更加的複雜，應用也更加的廣泛。目標檢測（以下指general object detection）的任務是在場景中檢測出給定的一組類
2020-06-03 23:06:31
1
原创 【論文】Cascade R-CNN總結
一、簡介 Cascade R-CNN是爲了解決訓練時用來定義FP和TP的IOU值選取的問題，並且提出了一種結構來利用該IOU值不同所帶來的好處，貢獻體現在對於定位能力的改進上，也就是IOU值。一般而言，這個值定爲了0.5，那麼其他的值呢？
2020-06-03 23:06:31
原创 【論文】OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks總結
趁熱打鐵，把OverFeat總結了。 一、簡介 這個文章中提出了一種較爲通用的結構，並將其應用在了識別(classification)、定位(localization，只有一個物體，要給出位置)、檢測（detection，可能有0到多個物
2020-06-03 23:06:31
原创 【論文】YOLOv1
YOLOv1的結構很簡單，和一般的分類網絡差別不大。主要是損失函數的設計以及對於訓練過程的設計，還有就是網絡輸出代表的含義。 YOLOv1的輸出是一個7*7的矩陣，它假設網絡相應index的輸出對應於輸入圖片相應的grid，每個inde
2020-06-03 23:06:31