w1520039381-CSDN博客

原创 mmdetection自定义模型

我们基本上将模型组件分为 5 种类型。骨干：通常是一个 FCN 网络来提取特征图，例如 ResNet、MobileNet。颈部：骨干和头部之间的组件，例如FPN、PAFPN。head：特定任务的组件，例如 bbox 预测和掩码预测。roiextractor：从特征图中提取RoI特征的部分，例如RoI Align。loss：用于计算损失的 head 组件，例如FocalLoss、L1Loss 和 GHMLoss。开发新组件添加新的主干这里我们以 MobileNet 为例展示如何开发新组件。

2021-12-09 11:54:42 2276 5

原创 mmdetection自定义损失

MMDetection 为用户提供了不同的损失函数。但是默认配置可能不适用于不同的数据集或模型，因此用户可能希望修改特定的损失以适应新的情况。本教程首先阐述了损失的计算管道，然后给出了如何修改每个步骤的说明。修改可分为调整和加权。损失的计算管道给定输入预测和目标以及权重，损失函数将输入张量映射到最终损失标量。映射可以分为四个步骤：设置采样方法为对正负样本进行采样。通过损失核函数获得逐元素或逐样本的损失。使用权重张量元素加权损失。将损失张量减少到一个标量。用标量加权损失。

2021-12-09 11:33:29 2218

原创 MMDETECTION微调模型

在 COCO 数据集上预训练的检测器可以作为其他数据集（例如 CityScapes 和 KITTI 数据集）的良好预训练模型。本教程指导用户将Model Zoo 中提供的模型用于其他数据集以获得更好的性能。在新数据集上对模型进行微调有两个步骤。按照教程 2：自定义数据集添加对新数据集的支持。修改本教程中将讨论的配置。以 Cityscapes Dataset 的微调过程为例，用户需要修改配置中的五个部分。继承基本配置为了减轻编写整个配置的负担并减少错误，MMDetection V2.0 支持从多个

2021-12-09 11:20:45 3379

原创【无标题】

mmdetection中的faster-rcnn训练自己的voc数据集1、首先先安装好mmdetection2、安装好后在mmdetection文件夹下新建一个data数据集把voc数据集放进去3、然后找到你的目录下的config/faster-RCNN/faster_rcnn_r50_fpn_1x_voc0712.py（如果没有自己建一个），内容如下_base_ = [ '../_base_/models/faster_rcnn_r50_fpn.py', '../_base_/da

2021-11-19 22:12:49 1553

原创树莓派4B安装系统及开热点

第一步准备好一张16g的SD卡及树莓派4B第二步将SD卡通过读卡器连接进电脑第三步进入树莓派官网第一个是安装了推荐软件版的，第二个是桌面版，第三个是命令界面版我这里下载的第二个，因为我们只需要开热点，所以没必要安装软件第四步下载官方烧录软件我这里是windows10的系统，所以下载windows版本的下载下来以后进行安装第五步安装完成烧录软件Raspberry Pi Imager之后就可进行系统的烧录。但是我这里用的是Win32 Disk Imager来烧录的，因为用官方的烧

2021-10-19 19:53:22 790

原创 MMDetection学习笔记（二）

在自定义数据集上进行训练基本步骤如下：1、准备自定义数据集2、准备配置文件3、在自定义数据集上进行训练，测试和推理。准备自定义数据集MMDetection 一共支持三种形式应用新数据集：1、将数据集重新组织为 COCO 格式。2、将数据集重新组织为一个中间格式。3、实现一个新的数据集。我们通常建议使用前面两种方法，因为它们通常来说比第三种方法要简单。在本文档中，我们展示一个例子来说明如何将数据转化为 COCO 格式。注意：MMDetection 现只支持对 COCO 格式的数据集进行

2021-10-15 15:17:45 830

原创 MMDetection学习教程（一）

官方文档：MMDetection–》点击进入**第一步安装相关环境**1、MMDetection提供了GPU与CPU两个版本，但是cpu版本可用的算法会少很多。2、参考我的前一篇博文安装好cuda等等环境3、MMDetection所支持的最低依赖Linux 和 macOS （Windows 理论上支持）Python 3.6+PyTorch 1.3+CUDA 9.2+ （如果基于 PyTorch 源码安装，也能够支持 CUDA 9.0）GCC 5+MMCV4、开始安装M

2021-10-15 11:58:29 4453

原创 ubuntu18.04 安装labelimg

可能会遇到pip没有装好sudo apt-get install python3-pip然后开始正题sudo apt-get install pyqt5-dev-toolssudo pip3 install lxmlgit clone https://github.com/tzutalin/labelImg.gitcd labelImgmake qt5py3 # 用make all 会导致先识别pyqt4.python3 labelImg.py #打开labelImg...

2021-10-13 16:35:19 288

原创 win10 rtx3060 安装ubuntu18.04双系统并配置深度学习环境

第一步 Ubuntu18.04安装参考https://www.cnblogs.com/masbay/p/11627727.html非常详细了，几个注意的地方，记得分好的区不要格式化，就是让他处于未分配的状态。

2021-10-13 15:04:10 3029 10

原创 windows10运行ssd训练自己的数据集

运行环境： 1、win10 2、pytorch 1.8.0+cuda 111（1.9.0会报错） 3、pycharm（一）数据集准备阶段第一步：新建VOC2007文件夹，然后再在里面新建三个文件ImageSets–>mainJPEGImages（存放照片），Annotations（存放xml文件）。第二步：对自己的照片进行标注，工具为labelimg，这个就不多赘述了（二）ssd代码准备阶段第一步：再github下载star最多的ssd源代码https://github.

2021-09-28 19:34:52 1978 17

原创 windows10复现DEtection TRansformers（DETR）并实现自己的数据集

DEtection TRansformers（DETR）DEtection TRansformer（DETR）是Facebook AI的研究者提出的Transformer的视觉版本，用于目标检测和全景分割。这是第一个将Transformer成功整合为检测pipeline中心构建块的目标检测框架。1、代码地址Github：https://github.com/facebookresearch/detr2、论文地址：End-to-End Object Detection with Transformers

2021-07-19 20:09:19 25534 178

原创利用Google的CoLab跑faster-rcnn训练好的models的demo

前两篇文章已经介绍了怎么安装CoLab与运行faster-rcnn跑训练集，那么今天我们就来用我们跑好的model来试试我们随便找几张图，可不可以进行识别，废话不多说，正片马上开始！第一步实验环境打开调出我们的CoLab实验笔记本，将硬盘与gpu分配好第二步查看models文件连接好谷歌硬盘后会看到faster-rcnn.pytorch下面有一个models/res101/pascal_voc文件，打开看看训练好的models有没有，如下图，我只训练了6个epoch，所以我只有6个文件，在训练的

2021-06-04 09:53:23 798 3

转载利用Google的CoLab来跑Faster-Rcnn pytorch版

一、前言实验平台：CoLab实验环境：python 3.7+pytorch 1.15官方教程新手指引：https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d常见问题：https://research.google.com/colaboratory/faq.html官方给出的新手指引当中已经给出了前期配置、常见软件和库的安装等方法。大家凭借官方教程可以基本入门Colab，但如果想更加自

2021-06-03 15:51:23 2167 10

原创利用google的colab进行实验第一天---注册与安装

第一步，首先注册一个google的账号（记得要科学上网哦），这里就不多介绍了，传送门进入谷歌云盘页https://www.google.com/intl/en/drive/如果遇到手机号无法验证请百度或者taobao，这里就不多说了，相信大家也都有google账号！第二步，注册好账号后就登录，然后会进入到下图所示的页面第三步，就是新建一个colab，如下图，1号箭头是建好后的，首次没有就要点击二号箭头connect more apps去搜索colab然后安装就好接下来就是连接到服务器

2021-06-03 14:25:28 4875

原创 CNN卷积神经网络的一些小理解

本人刚刚进入研究生阶段，最近，在看一些计算机目标检测的文章，文章里面用到了卷积神经网络的知识，所以来看这方面的知识，我只是记录一下自己的学习，也欢迎大家一起讨论呀！那么今天就来看看CNN卷积神经网络的面纱背后的秘密！首先，有几个点要介绍：首先是padding：就是在图片上下左右加上0，作用就是为了让边缘的图片特征也可以提取到；接着是stride（步长）：这个就是过滤器每次移动距离的间隔，这个间隔包括向右和向下；还有一个就是通道：因为现在的图片是彩色的，有RGB三种，这三种分别是在不同的层面，这个层面

2020-11-13 15:28:38 361

原创第一次

你好欢迎使用Markdown编辑器你好！这是你第一次使用 Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：全新的界面设计，将会带来全新的写作体验；在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式进行展示；增加了

2020-10-24 10:23:28 120

w1520039381的博客