1 静候:花开

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 14w+

pytorch版本用自己数据集复现Yolov4检测

制作数据集'''import xml.etree.ElementTree as ETimport pickleimport osfrom os import listdir, getcwdfrom os.path import join#sets=[('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]sets=[('2007', 'train'), ('2007',

2020-09-12 15:49:19

对numpy的数组取补集运算

import numpy as npa=np.array([[1,2,3],[4,5,6],[7,8,9]])#定义数组ab=list(a)#将数组变成列表print(b)d=np.array([[4,5,6],[7,8,9]])#定义数组dc=list(d)#将数组d变成列表l_last=[i for i in a if i not in d]#取补集运算print(np.array(l_last))#输出取补后的结果...

2020-09-05 09:11:37

思考R-CNN的一些问题,如何提取特征,分类,训练,测试

1.R-CNN是什么论文链接把region proposal和CNNs结合起来,所以该方法被称为R-CNN:Regions with CNN features,整个检测系统有三个模块构成。第一个,产生类别无关的region proposal:这些推荐定义了一个候选检测区域的集合;第二个是一个大型卷积神经网络,用于从每个区域抽取特定大小的特征向量;第三个是一个指定类别的线性SVM分类器。2.如何提取候选框使用了Selective Search方法从一张图像生成约2000-3000个候选区域。在目标

2020-08-28 11:30:46

WPS复制过来的公式和后面的标号不对齐解决方案

问题:解决:1.选中当前行,字体选项位置栏选择:标准2.段落选项:文本对齐方式选择居中对齐

2020-08-25 18:45:52

利用pytorch版本yolo-v5在自己数据集上检测

1.准备代码并搭建环境复现环境ubuntu18.04+pytorch1.6.0+python3.7+cuda10.1代码链接下载源代码到指定文件夹下,终端进入yolov5-master文件夹下:pip install -r requirements.txt#加载必要的包2.制作数据集1.更改data/voc.yaml文件# PASCAL VOC dataset http://host.robots.ox.ac.uk/pascal/VOC/# Train command: python tr

2020-08-15 15:56:50

使用mmdetction-cascade_rcnn用自己数据训练并测试

1.极力推荐的博客,写的非常好1.安装mmdectiongitthub链接复现环境ubuntu18.04+python3.6+CUDA10.1+pytorch1.51.创建激活虚拟环境conda create -n torch1.5 python=3.6source activate torch1.52.安装GPU-pytorch1.5.0conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1 -c pytorch3

2020-08-13 17:24:29

python字典操作

1.打印键的值,添加删除键值对,修改键对应的值dict1={'a':'1','b':'2','c':'3'}print(len(dict1))#查看字典的长度print(dict1['a'])#打印字典的'a'键,的值print(dict1['b']) # 2dict1['d']='4'print(dict1)#添加一个键值对'd':4 {'a': '1', 'b': '2', 'c': '3', 'd': '4'}dict1['c']='5'#{'a': '1', 'b': '2',

2020-08-10 19:11:57

调出pycharm左侧工程文件

点击上方试图(view),工具窗口,项目

2020-08-09 11:48:01

读入并写入xml文件,制作voc-转coco数据集

annotations_dir='./VOC2007/Annotations'#标注信息out_path_train='/home/zuo/PycharmProjects/untitled/voc2coco-pattern-master/train_xml'out_path_test='/home/zuo/PycharmProjects/untitled/voc2coco-pattern-master/test_xml'out_path_val='/home/zuo/PycharmProjects/u

2020-08-04 14:38:32

python在列表中指定位置添加字符串

1.末尾添加list.append()函数list=[1,2,3]list.append(4)print(list)2.指定位置添加list.insert(a,b)a为要添加在列表中的索引位置,b为要添加的字符list=[1,2,3,4]list.insert(1,5)print(list)#[1, 5, 2, 3, 4]list=[1,2,3,4]list.insert(0,5)print(list)#[5, 1, 2, 3, 4]list=[1,2,3,4]list.

2020-07-22 09:08:23

python实现字符串以某一字符为界限实现分割并保存到列表

str.split(’,’)str:字符串以逗号分隔import oscaijian='./cai_jian'lists=[]for filename in os.listdir(caijian): print(filename) list=filename.split(',') lists.append(list)print(lists)例子中的字符串是图片的名字,...

2020-07-20 10:52:30

DetectoRS:最强的目标检测网络介绍

论文链接代码链接1.摘要许多现代目标探测器都利用了两次looking和thinking的机制,表现出了优异的性能。在本文中,我们探讨了这种机制在目标检测主干设计中的应用。在宏观层面,我们提出了递归特征金字塔,它将来自特征金字塔网络的额外反馈连接整合到自下而上的主干层。在微观层面上,我们提出了可切换的空洞卷积,它将具有不同atrous rate对特征进行卷积,并使用开关函数收集结果。将它们结合在一起形成检测器,大大提高了目标检测的性能。在COCO-test-dev上,探测器实现了54.7%的目标检测

2020-07-15 17:15:10

Restoring from checkpoint failed. This is most likely due to a mismatch between the current graph解决

报错问题原因:训练的模型类别名称与测试时类别名称不一样导致改为

2020-07-12 14:29:56

python绘制ROC曲线图,并计算面积

1.原理及介绍很多学习器是为测试样本产生一个实值或概率预测,然后将这个预测值与一个分类阈值(threshold) 进行比较,若大于阈值则分为正类,否则为反类.例如,神经网络在一般情形下是对每个测试样本预测出一个 [0.0 ,1. 0] 之间的实值,然后将这个值与 0.5 进行比较,大于 0.5 则判为正例,否则为反例。这个实值或概率预测结果的好坏,直接决定了学习器的泛化能力。实际上根据这个实值或概率预测结果,我们可将测试样本进行排序,“最可能"是正例的排在最前面,“最不可能"是正例的排在最后面

2020-07-04 16:49:56

python生成交叉验证数据集

1.交叉验证介绍“交叉验证法” (cross alidation) 将数据D分为 k个大小相似的互斥子集,尽可保持数据分布的 致性,即从D通过分层采样得到后,每次用k-1 子集的并集作为训练集,余下的那个子集作测试集;这样就可获得k组训练 /试集,从而可进行 k次训练和测试,最终返回的是测试结果的均值 ,显然,交叉验证法评估结果的稳定性和保真性在很大程上取决于k的取取值,为强调这一点,通常把交叉验证法称为 ‘k折交叉验证" (k-fold cross validation). 最常用 的取 10

2020-07-03 16:14:41

无监督学习方面的两篇巨作simclr与MoCo介绍

一、SIMCLR介绍论文网址代码链接提出了一个简单的视觉表征对比学习框架SimCLR。简化了最近提出的对比自监督学习算法,而不需要专门的架构或内存库。为了了解是什么使得对比预测任务能够学习有用的表征,系统地研究了框架的主要组成部分。该文章发现:(1)数据扩充的组合对定义有效的预测任务起着至关重要的作用。(2)在表示和对比损失之间引入一种可学习的非线性变换,大大提高了学习表征的质量。(3)与监督学习相比,对比学习具有更大的批量和更多的训练步骤。通过结合这些发现,能够在ImageNet上大大优于以前

2020-07-02 15:18:11

图像去雾算法

1.代码import cv2import numpy as npdef zmMinFilterGray(src, r=7): '''最小值滤波,r是滤波器半径''' '''if r <= 0: return src h, w = src.shape[:2] I = src res = np.minimum(I , I[[0]+range(h-1) , :]) res = np.minimum(res, I[range(1,h

2020-07-02 14:30:01

查看自己GPU计算能力,常用GPU显卡表

1. 代码import osfrom tensorflow.python.client import device_libos.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"if __name__ == "__main__": print(device_lib.list_local_devices())2. 显卡计算能力对照表GPUCompute CapabilityTesla K803.7Tesla K403.5T

2020-07-02 10:06:19

python处理文件夹与文件,如果存在则删除重建,不存在则直接建立

1.用到的函数1.os.path.exists(path)#用来判断是否存在文件夹或文件2.os.makedirs(file_dir)#用来创建文件夹3.os.rmdir(path)#用来删除空文件夹,不是空会报错4.stuil.rmtree(path)#删除任意文件夹,可以不为空5.open(path,'w')#以可写的形式创建文件,没有则建立文件2.代码文件夹操作import osimport shutilfile_dir='./test'if os.path.exists(fi

2020-07-01 09:43:42

将fasterrcnn的检测结果生成xml的voc数据集格式文件

1.准备1.检测结果的文本文件,文件的内容如下,图片名称,置信度,坐标2.所检测图片的路径3.生成xml文件的路径2.代码import os#import globfrom PIL import Image#import cv2 #图像存储位置image_path = r'G:\shuju\test1'# 图像的 ground truth 的 txt 文件存放位置result_txt='./xin_test_qx.txt'image_xml_dir='./Annotations

2020-06-30 21:10:35

查看更多

勋章 我的勋章
  • 签到达人
    签到达人
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 新人勋章
    新人勋章
    用户发布第一条blink获赞超过3个即可获得
  • 阅读者勋章Lv2
    阅读者勋章Lv2
    授予在CSDN APP累计阅读博文达到7天的你,是你的坚持与努力,使你超越了昨天的自己。
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv4
    勤写标兵Lv4
    授予每个自然周发布9篇以上(包括9篇)原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。