- 博客(106)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 Visdrone数据集 | 数据前&后处理操作系列
文章目录一、把Visdrone数据集进行切割，生成600*600大小的图片和xml文件一、把Visdrone数据集进行切割，生成600*600大小的图片和xml文件import osimport scipy.misc as miscfrom xml.dom.minidom import Documentimport numpy as npimport copy, cv2def save_to_xml(save_path, im_width, im_height, objects_axis,
2020-10-06 15:00:56
6711
12
原创 DOTA数据集 | yolov5 训练与测试
yolov5实验记录源码链接运行环境需要下载文件训练步骤源码链接https://github.com/ultralytics/YOLOv5运行环境Ubuntu18.04python3.6.5CUDA 10.2 (NVIDIA-SMI 440.82 Driver Version: 440.82)需要下载文件链接：https://pan.baidu.com/s/1wqlTgj5EdlTpK4n_CKDRwQ提取码：hfrp感谢博主雅痞匪徒(Nike)训练步骤下载该仓库：
2020-06-29 11:12:27
14558
83
原创 CVPR2022 | 论文阅读—Unknown-Aware Object Detection: Learning What You Don’t Know from Videos in the Wild
Unknown-Aware Object Detection: Learning What You Don’t Know from Videos in the Wild1. Motivation2. Overview of the object detection framework2.1 Spatial-Temporal Unknown Distillation2.1.1 Spatial unknown distillation2.1.2 Temporal unknown distillation2.1.
2022-03-19 11:00:00
1650
原创 【自用】pip和conda换源
【自用】pip和conda换源pip 换源-i https://pypi.tuna.tsinghua.edu.cn/simplepip install -i https://pypi.tuna.tsinghua.edu.cn/simple xxxxx（包的名字）conda 换源（Linux）vi ~/.condarcchannels: - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ - https://mirrors.
2022-03-17 10:59:05
1528
原创 【JSON格式划分数据】json格式数据划分训练集、验证集
json格式数据划分训练集、验证集split_train_val.py执行python split_train_val.py --img_path xxx --json_file *.json --output xxx即可。#!/usr/bin/env python# -*- coding:utf-8 -*-# 将一个文件夹下图片按比例分在两个文件夹下import osimport randomfrom shutil import copy2import jsonimport argpa
2022-03-04 16:07:17
4915
9
原创 【转换格式脚本】COCO格式转YOLO
import jsonimport argparse# json中bbox的格式是top_x, top_y, w, h # 转成Yolo的格式是cen_x, cen_y, w, h的相对位置def convert(img_size, box): dw = 1. / (img_size[0]) dh = 1. / (img_size[1]) x = box[0] + box[2] / 2.0 y = box[1] + box[3] / 2.0 w = b
2022-03-04 15:52:36
2922
原创 Pytorch模型转onnx
Pytorch模型转onnx源代码：https://github.com/hpc203/yolact-opencv-dnn-cpp-python （yolact转onnx）遇到的报错：cv2.error: OpenCV(3.4.2)C:\projects\opencv-python\opencv\modules\dnn\src\dnn.cpp:3044: error:(-2:Unspecified error) Cannot determine an origin framework of file
2022-03-04 14:15:00
463
原创 【前端学习】HTML + CSS 写一个登陆界面
HTML + CSS 写一个登陆界面1. index.html2. style.css3. iconfont.css4. 界面效果1. index.html<!-- * @Author: your name * @Date: 2021-03-04 16:27:09 * @LastEditTime: 2021-03-04 16:37:03 * @LastEditors: Please set LastEditors * @Description: In User Settings Edit
2022-03-03 21:00:00
3471
原创 二叉树——前序、中序、后序、层序（递归&非递归）
二叉树——前序、中序、后序、层序（递归&非递归）二叉树——前序遍历（中——左——右）递归非递归二叉树——中序遍历（左——中——右）递归非递归二叉树——后序遍历（左——右——中）递归非递归二叉树——层序遍历递归非递归二叉树——前序遍历（中——左——右）递归# Definition for a binary tree node.# class TreeNode:# def __init__(self, val=0, left=None, right=None):# s
2022-03-02 21:00:00
189
原创 【画框脚本】YOLO和COCO格式画框
【画框脚本】YOLO和COCO格式画框1. yolo格式画框2. COCO格式画框1. yolo格式画框import cv2import osimport colorsysimport randomfrom tqdm import tqdmdef get_n_hls_colors(num): hls_colors = [] i = 0 step = 360.0 / num while i < 360: h = i s = 90 + random.rand
2022-03-02 16:16:47
2818
原创 【转换格式脚本】yolo\visdrone\detection转换COCO格式
【转换格式脚本】1. yolo2coco.py2. visdrone2coco.py3. 把yolov5 detect的输出转成coco4. visdrone-MOT转coco1. yolo2coco.pyimport impimport jsonimport cv2import osbnd_id_start = 0times = 0json_dict = { "images" : [], "type" : "instances", "ann
2022-03-02 15:56:07
3170
原创 剑指Offer刷题记录 - part two（python版本）
剑指offer刷题11. 两数之和 II - 输入有序数组题目要求解题思路代码12.两数之和 III - 数据结构设计题目要求解题思路代码13.两数之和 IV - 输入 BST题目要求解题思路代码14.三数之和题目要求解题思路代码11. 两数之和 II - 输入有序数组题目要求给定一个已按照 升序排列 的整数数组 numbers ，请你从数组中找出两个数满足相加之和等于目标数 target 。函数应该以长度为 2 的整数数组的形式返回这两个数的下标值。numbers 的下标 从 1 开始计数 ，所
2021-08-15 19:28:54
244
原创 Visdrone数据集 | 根据目标坐标做聚类算法
clusterclus_output：聚类后二值图片img：原始图片output：根据目标坐标和有无目标——》二值图片txt：原始标注txt_del：删掉有无目标的标注# -*- coding: UTF-8 -*-# 聚类代码import cv2import osimport sysfrom sklearn import clusterimport numpy as npimport matplotlib.pyplot as pltdef dot_Visualizatio
2021-06-21 23:04:24
1090
3
原创 Widerface数据集 | 用YOLOV5训练widerface数据集
用YOLOV5训练widerface数据集一、下载yolov5代码二、下载widerface数据集三、把widerface数据集转成yolo格式四、修改配置文件五、训练数据六、踩坑记录一、下载yolov5代码源代码链接：https://github.com/ultralytics/yolov5训练自己数据集：https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data注意： 若出现fatal: unable to access ‘https
2021-06-21 23:02:56
6863
26
原创 CVPR2021 | 论文阅读——UP-DETR: Unsupervised Pre-training for Object Detection with Transformers（PPT）
论文链接：https://arxiv.org/abs/2011.09094开源代码：https://github.com/dddzg/up-detrPPT参考链接：https://www.bilibili.com/video/BV1o54y187vG?p=4&t=93
2021-06-16 16:35:17
1967
原创 自用代码 | 用Python对视频进行帧切割和帧合并
用Python对视频进行帧切割和帧合并一、视频帧切割二、视频帧合并一、视频帧切割cut.pyimport cv2import numpy as np def video2frame(videos_path,frames_save_path,time_interval): ''' :param videos_path: 视频的存放路径 :param frames_save_path: 视频切分成帧之后图片的保存路径 :param time_interval: 保存间隔 :
2021-06-04 13:19:44
1672
1
原创 自用 | Ubuntu服务器文件上传项目到github
Ubuntu服务器文件上传项目到github一、注册github账户二、创建github repository(仓库)三、为github账户设置SSH key四、在gitHub网站设置SSH key五、测试是否生效六、上传项目到github1. 检查ubuntu中是否安装git2. 添加要上传的文件3. 查看git状态4. 推送git文件(从缓存区修改到本地仓库中)5.添加文件到远程库6. 删除缓存区里的文件一、注册github账户GitHub官网网址：https://github.com/具体的操作
2021-06-04 13:04:33
645
原创 Widerface数据集 | widerface数据集转成YOLO格式
widerface数据处理一、原始数据格式转为VOC格式二、VOC格式转为COCO格式第一步：转成COCO格式第二步：从原来打乱的XML标注文件中提取出train和val三、VOC格式转成YOLO格式第一步：转成YOLO需要的txt后缀文件第二步：根据/data/data/UAV2017/ImageSets/Layout里面的trainval.txt和test.txt挑选出训练集和测试集四、在转换过程中查看框是否正确1. 查看VOC是否转换正确（文件命名为：xml_draw.py）2. 查看COCO是否转换
2021-06-04 13:02:53
5230
20
原创 剑指Offer刷题记录（javascript版本）
1. 斐波那契数列function Fibonacci(n){ // write code here if (n<=1) { return n; } let pre1 = 0; let pre2 = 1; let temp; for (let i = 2; i < n; i++){ temp = pre2; pre2 = pre1 + pre2; pre1 = temp;
2021-05-10 19:03:48
225
原创 剑指Offer刷题记录 - part one（python版本）
剑指offer刷题1. 二维数组中的查找题目要求代码1. 二维数组中的查找题目要求在一个二维数组中（每个一维数组的长度相同），每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数。代码# -*- coding:utf-8 -*-class Solution: # array 二维列表 def Find(self, target, array): # write code
2021-05-10 19:03:24
264
原创 自用代码 | YOLOv5 特征图可视化代码
在yolov5的项目中，添加一些代码就可以实现特征图可视化。在项目/home/jjliao/code/yolov5-feature/utils/utils.py中添加如下的代码：outDir是你的特征图可视化目录outDir = "/home/jjliao/code/yolov5-feature/output/feature_new/" def visualize_feature(features, imgid, i, num, sigmod=False): outDir = "/ho
2021-04-20 09:32:32
6915
19
原创 自用代码 | 读取pkl文件并保存为txt格式
import picklef=open(r'C:\Users\jiajia520\Desktop\R2CNN_20180922_DOTA_v28_detections_h.pkl', "rb")#文件所在路径inf=pickle.load(f, encoding='latin1')#读取pkl内容print (inf)f.close()
2021-04-20 09:29:54
2563
原创 2021CVPR | 2D目标检测
2021 CVPR 2D目标检测1. You Only Look One-level Featurepaper: https://arxiv.org/abs/2103.09460code: https://github.com/megvii-model/YOLOF描述：在单阶段目标检测方面一次突破性的创新，它针对单阶段目标检测中的FPN(特征金字塔)进行了深入的分析并得出：FPN最重要的成分是分而治之的处理思路缓解了优化难问题。针对FPN的多尺度特征、分而治之思想分别提出了Dilated编码器提升特
2021-03-23 10:03:01
2857
原创 自用 | ubuntu操作（修改软连接，配置）
链接：https://www.cnblogs.com/sddai/p/10235331.html添加软连接(symbol link)相当于添加一个快捷方式，解决cannot open shared object file: No such file or directory问题。sudo ln -s source targetsudo ldconfig /usr/local/cuda/lib64如果要修改软连接指向，使用-fsudo ln -fs source target如果是文件夹，则可
2021-02-27 18:40:05
3782
1
原创 ICPR 2020 | 论文阅读 ——SyNet: An Ensemble Network for Object Detection in UAV Images
SyNet1. Motivation2. Method2.1. Object detecion论文链接：开源代码：https://github.com/mertalbaba/SyNet1. Motivation无人机航拍图像与自然图像的拍摄方式不同，导致了以下三个问题：缺乏大目标方差的大型无人机图像数据集；无人机航拍图像有较大的尺度方差和方向变化；地面和空中图像在纹理和形状特征上存在差异。目前已发展的单阶段和多阶段检测器各有优缺点，将每种解决方案的优势结合起来可以达到更强的检测效果
2021-02-05 20:38:46
1036
1
原创 记录 | 使用eclipse与多协同者共享代码
说明：1. 代码下载到本地；2. 安装好eclipse，svn等工具以下是详细步骤：1. File–>open projects from file system2. 可以在这里看到你添加的文件选中文件，点击右键，选中“Team”——>“share project”就可以在下面的svn资源库里找到你所共享的代码（记得要刷新！）...
2021-01-28 11:03:02
360
原创 CVPR2020|论文阅读——SEAM：Self-supervised Equivariant Attention Mechanism
SEAMSelf-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation 论文阅读分享PPT
2020-12-04 13:29:27
653
1
原创 论文阅读——Sparse R-CNN: End-to-End Object Detection with Learnable Proposals
Sparse R-CNNSparse RCNN论文阅读分享PPT
2020-12-04 13:19:37
696
3
原创 笔记 | 集成学习的目标检测算法
集成目标检测（1） Ensemble Methods for Object Detection（2）Boosting object detection performance through ensembling on satellite imagery（3）道路损坏检测挑战赛——YOLOv5（4）道路损坏检测挑战赛——YOLOv4（1） Ensemble Methods for Object Detection代码：https://github.com/ancasag/ensembleObjectDe
2020-12-03 12:38:48
3301
3
原创 自用代码 | 数据集画框代码（txt、xml、json三种格式画框）
1. json–>>txt–>>画框https://blog.csdn.net/mary_0830/article/details/103212958在这里插入代码片2. xml–>>画框https://blog.csdn.net/mary_0830/article/details/108776419（第五点）import osimport os.pathimport xml.etree.cElementTree as ETimport cv2def
2020-11-03 16:36:22
1055
1
原创 论文阅读——PolarDet: A Fast, More Precise Detector for Rotated Target in Aerial Images
PolarDet1 Introduction2 Approach3 Experiments4 Conclusion论文地址：https://arxiv.org/pdf/2010.08720.pdf1 Introduction2 Approach3 Experiments4 Conclusion
2020-10-27 14:05:17
1302
2
原创 自用代码 | python操作处理数据
python操作处理数据一、 批量读取文件名并保存至txt1. 批量读取文件名，并将读取的文件名保存到指定路径下的txt中（带.*** 后缀）2. 只读取文件名，并将读取的文件名保存到指定路径下的txt中（不带文件后缀）3. 在txt文件中，在读取的文件名前批量添加 前缀/ 后缀二、根据txt文件中的id名，在另一个文件夹下提取出相应的文件三、 计算函数运行时间一、 批量读取文件名并保存至txt参考博客： Python批量读取文件名并保存至txt1. 批量读取文件名，并将读取的文件名保存到指定路径下的
2020-10-24 16:35:11
619
原创 错误笔记（持续更新中）
RuntimeError: Expected object of scalar type float but got scalar type __int64 for sequence element 1.解决办法：先检查t1和n_t的数据类型，使用t1.dtype和n_t.dtype进行检查。明显看到这两个torch的数据类型是不一样的，那就把n_t的数据类型换成float32。使用n_t = n_t.float()就可以将两个torch换成相同的数据类型了。最后，再执行torch.cat操作.
2020-09-27 20:56:57
4796
原创 ECCV2020 | 论文阅读——HoughNet: Integrating near and long-range evidence for bottom-up object detection
HoughNet1 Introduction2 Approach3 Experiments4 Conclusion论文地址：https://arxiv.org/abs/2007.02355开源代码：https://github.com/nerminsamet/houghnet其他解读：https://mp.weixin.qq.com/s/d-Kz-8KqcB9Afyzva56Ijg本文亮点：1 Introduction2 Approach3 Experiments4 Conclusio
2020-08-12 17:31:31
1551
4
原创 ECCV2020 | 论文阅读——CPNDet:Corner Proposal Network for Anchor-free, Two-stage Object Detection
CPNDet1 Introduction论文地址：https://arxiv.org/abs/2007.13816开源代码：https://github.com/Duankaiwen/CPNDet本文亮点：1.1 Introduction
2020-08-06 19:22:35
2400
原创 ECCV2020 | 论文阅读——BorderDet: Border Feature for Dense Object Detection
BorderDet 用边界特征做检测Abstract1 Introduction2 Related Work3 The Proposed Approach4 Experiments5 Conclusion论文地址：https://arxiv.org/abs/2007.11056开源代码：https://github.com/Megvii-BaseDetection/BorderDet作者解读：https://zhuanlan.zhihu.com/p/163044323本文亮点：Abstract
2020-07-30 23:27:36
2509
3
原创 深度学习课程 | 《结构化机器学习项目》概念笔记—— 机器学习策略
机器学习策略（上）1. 正交化方法 Orthogonalization2. 单一数字评估指标3. 满足和优化指标4. 训练\验证\测试集的划分1. 正交化方法 Orthogonalization通过每次只调试一个参数，保持其他参数不变，而得到的模型某一个性能发生改变的一种调参策略。简单说，就是每个参数是互不影响的，是正交的。对应到机器学习监督学习模型中，可以分成四个独立的部分，如下：Fit training set well on cost functionFit dev set well
2020-07-30 19:37:46
285
原创 CVPR2020 | 论文阅读——Multiple Anchor Learning for Visual Object Detection
@[TOC](论文地址：https://arxiv.org/abs/1912.02252开源代码： https://github.com/KevinKecc/MAL本文亮点：Abstract1 Introduction2 Related Work3 Method3.1 Network Architecture3.2 Feature Selection Module3.3 Dynamic Refinement Head3.4 SKU110K-R Dataset4 Experiment
2020-07-22 09:46:29
2092
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人