Faster RCNN代码整体框架前言Faster RCNN作为经典的双阶段目标检测算法，掌握其中的思想和代码实现的方法，对于我们实现单阶段目标检测或者双阶段目标检测都是很有帮助的。 相较于单阶段目标检测，双阶段目标检测主要多了一步生成proposal，也就是候选框的生成。在Faster RCNN中，对于图像中的生成的每一个anchor而言，首先要经过RPN（在这里只区分前景或者背景）做第一次筛选
转载
2023-06-16 18:51:30
148阅读
前言 Python编程灵活方便，R的模型方法众多，如何将两者结合起来，发挥更大的作用，值得探索。Python可以直接调用R的函数，R是开源项目，肯定会有一些第三方库实现Python与R互通。需要在python中调用R，实在是一种无奈的选择。如果能在一门语言中独立完成一个项目（或数据挖掘任务），是一个比较理想的做法。但是，这种想法也不太现实，毕竟每一种语言都有自己的长处。如果能取长补短，综合使用各
转载
2023-07-31 23:13:03
91阅读
曾经，为了处理一些序列相关的数据，我稍微了解了一点递归网络 (RNN) 的东西。由于当时只会 tensorflow，就从官网上找了一些 tensorflow 相关的 demo，中间陆陆续续折腾了两个多星期，才对 squence to sequence，sequence classification 这些常见的模型和代码有了一些肤浅的认识。虽然只是多了时间这个维度，但 RNN 相关的东西，不仅是模型
Pytorch源码：https://github.com/chenyuntc/simple-faster-rcnn-pytorch 首先说一下几个提前准备的函数： （1）loc2bbox：这个函数接受bbox源框和偏差量loc来计算最终的回归框位置。def loc2bbox(src_bbox, loc): #已知源bbox 和位置偏差dx，dy，dh，dw，求目标框G
if src_bbo
转载
2023-08-31 10:22:55
46阅读
RPN流程：1.每一张图片生成固定数量的锚节点,锚节点个数是最后一次特征图大小,比如说最后一层特征大小为(37,50),所以有37*50个锚节点.锚节点之间的步长为16像素点,这是因为vgg16有4次maxpool,所有图像缩小了16倍,所以步长为16像素。每一个锚节点又生成9个区域图,所以生成的锚节点区域图就有9*37*50个.2.如图1左，通过卷积特征生成2*锚节点个数（通道数）scores和
转载
2023-06-25 09:44:56
103阅读
import torch
from torch import nn
from torch.nn import init
# 通道注意力+空间注意力的改进版
# 方法出处 2018 BMCV 《BAM: Bottleneck Attention Module》
# 展平层
class Flatten(nn.Module):
def __init__(self):
supe
转载
2024-07-09 11:38:51
33阅读
转自：RPN解析 1. RPN的意义 RPN第一次出现在世人眼中是在Faster RCNN这个结构中，专门用来提取候选框，在RCNN和Fast RCNN等物体检测架构中，用来提取候选框的方法通常是Selective Search，是比较传统的方法，而且比较耗时，在CPU上要2s一张图。所以作者提出R ...
转载
2021-10-12 16:32:00
147阅读
2评论
简介Faster R-CNN是继R-CNN，Fast R-CNN后基于Region-CNN的又一目标检测力作。Faster R-CNN发表于NIPS 2015。即便是2015年的算法，在现在也仍然有着广泛的应用以及不俗的精度。缺点是速度较慢，无法进行实时的目标检测。Faster R-CNN是典型的two-stage目标检测框架，即先生成区域提议（Region Proposal），然后在产生的Reg
转载
2024-03-04 15:11:40
69阅读
CenterNet++ for Object Detection
论文：https://arxiv.org/abs/2204.08394代码（刚刚开源）：https://github.com/Duankaiwen/PyCenterNet目标检测有2种主流:top-down和bottom-up。最先进的方法大多属于第一类。在本文中，作者证明了bottom-up方法与top-down的方
转载
2024-10-23 11:29:02
58阅读
自动驾驶在复杂场景下的目标检测任务至关重要，而毫米波雷达和视觉融合是确保障碍物精准检测的主流解决方案。本论文详细介绍了基于毫米波雷达和视觉融合的障碍物检测方法，从任务介绍、评估标准和数据集三方面展开。并对毫米波雷达和视觉融合过程的传感器部署、传感器标定和传感器融合（融合方法分为数据级、决策级和特征级融合方法）三个部分进行了汇总讨论。此外，还介绍了三维（3D）目标检测、自动驾驶中的激光雷达和视觉融合
在测试MIT Scene Parsing Benchmark (SceneParse150)使用FCN网络时候，遇到Caffe错误。 遇到错误：不可识别的网络层crop 网络层 CreatorRegistry&...
转载
2018-03-14 09:56:00
46阅读
2评论
深度学习【目标追踪】专栏写过一篇对Siamese FC网络的解析。接着Siamese网络在单目标追踪任务（SOT)上的应用，我们展开对Siamese RPN的论文解读和代码解析。
转载
2022-12-28 18:13:47
624阅读
目录ResNet-18网络结构简图ResNet-18的代码结构残差块结构ResNet类构造方法和forward_make_layer方法完整的ResNet-18结构图 使用的resnet-18的源代码来源于 PyTorch1.0， torchvision0.2.2 ResNet-18网络结构简图ResNet（Residual Neural Network）来源于微软研究院的Kaiming He
转载
2023-11-09 06:05:09
192阅读
简述由于科技论文老师要求阅读Gans论文并在网上找到类似的代码来学习。 文章目录简述代码来源代码含义概览代码分段解释导入包：设置参数：给出标准数据：构建模型：构建优化器迭代细节画图全部代码：参考并学习的链接 代码来源https://github.com/MorvanZhou/PyTorch-Tutorial/blob/master/tutorial-contents/406_GAN.py代码含义概
转载
2024-04-30 02:20:12
115阅读
本文分享手动实现DCGAN生成动漫头像的Pytorch代码。简单来说，DCGAN（Deep Convolutional GAN）就是用全卷积代替了原始GAN的全连接结构，提升了GAN的训练稳定性和生成结果质量。我使用的数据集，5W张96×96的动漫头像。import torch
import torch.nn as nn
from torch.utils.data.dataloader impor
转载
2024-02-03 08:48:03
60阅读
Resnet的pytorch官方实现代码解读 目录Resnet的pytorch官方实现代码解读前言概述34层网络结构的“平原”网络与“残差”网络的结构图对比不同结构的resnet的网络架构设计resnet代码细节分析 前言pytorch官方给出了现在的常见的经典网络的torch版本实现。仔细看看这些网络结构的实现，可以发现官方给出的代码比较精简，大部分致力于实现最朴素结构，没有用很多的技巧，在网络
转载
2023-12-18 19:17:24
97阅读
最近在复现经典cv论文的网络结构，经典的AlexNet，VGG等网络由于基本都是同源的。基本只是深度和预处理的代码不同，因此用Pytorch搭建起来很容易，到了RetinaNet，由于其将多个网络融合，代码和实验量较大（RetinaNet论文的实验量吓到我了，真、实验狂魔）复现起来较困难，因此选择了取github上下载大佬的代码来用。此帖记录了跑代码的过程和全程遇到问题的解决方案。一、项目链接我采
转载
2023-07-20 14:17:55
216阅读
目录1.简介 2.数据集3.模型初始化4.训练参数5.训练&验证6.保存&加载模型1.简介 这篇文章主要是针对刚入门pytorch的小伙伴，会带大家完整走一遍使用神经网络训练的流程，以及介绍一些pytorch常用的函数。如果还未安装pytorch或者安装有困难，可以参考我的上一篇文章：Windows Anaconda精简安装cuda+pytorch+torchv
转载
2023-08-05 13:32:08
181阅读
本文代码基于 PyTorch 1.x 版本，需要用到以下包：import collections
import os
import shutil
import tqdm
import numpy as np
import PIL.Image
import torch
import torchvision基础配置检查 PyTorch 版本torch.__version__
转载
2023-06-29 13:39:41
277阅读
目录1、PyTorch2、PyTorch常用的工具包3、PyTorch特点4、PyTorch不足之处 今天给大家讲解一下PyTorch深度学习框架的一些基础知识，希望对大家理解PyTorch有一定的帮助！1、PyTorchPyTorch是一个基于Torch的Python机器学习框架。它是由Facebook的人工智能研究小组在2016年开发的，解决了Torch因为使用Lua编程语言普及度不高的问题，
转载
2023-12-07 16:09:02
67阅读
