- 博客(13)
- 收藏
- 关注
RSS订阅原创 实现yolov5漏检率与虚警次数指标计算并显示
项目场景：某场景下，输出目标漏检率和虚警次数本项目包含两类红外目标UAV_S与UAV_L，分别对两类目标求漏检率和虚警次数并显示，最后求平均值后显示（实际上两类目标为对数据集进行分析后进行判断得到，实际只有一类目标UAV。以10×10像素为分界分类，有助于提升网络对红外大目标与小目标特征的学习）可以看到在这张图像中有两个无人机目标，但二者特征差距巨大。通过数据分析，10×10像素以下的无人机目标没有轮廓信息，10×10以上的无人机目标可以看出旋翼等轮廓信息。相关原理基础概念(1)P=Po
2022-04-20 17:25:05
5880
2
原创 一行代码解决yolov5GPU调用问题
利用yolov5做项目期间，由于要同时训练两个项目代码，发现一个之前没有发现的问题：GPU调用默认从0开始。举个例子：train.py中device调用代码parser.add_argument('--device', default='4,5,6,7', help='device id (i.e. 0 or 0,1 or cpu)')比如我这里在这里调用 device = 4,5,6,7 。按理来讲，实验室服务器8块GPU，应该调用后面四个才对。然而实际上它默认从0开始，调用了0,1,2,3四块G
2022-04-03 21:38:11
7700
9
原创 C++一个比较智障的小问题
当想打开一个已创建的项目时，只需打开solution，如果直接打开文件夹，会出现文件属性无法打开的问题（之前想看一下很久之前做过的C++笔记，属性没法打开，费了好大力气，最后直接重装了VS）...
2022-03-26 22:00:40
548
原创 YOLO V5 测试图像时 img_size 的设置问题
最近项目用到了 yolo v5。初始图像是 1440×1080 大小的，在训练时显示 “cuda out of memory”，故保持原始长宽比，将图像缩小成 720×540 大小进行训练。问题出在检测过程。在原始 detect.py 中，有一段定义代码：if __name__ == '__main__': parser = argparse.ArgumentParser() parser.add_argument('--weights', nargs='+', type=str, de
2021-05-14 11:12:54
40286
11
原创 CheXNet最后一关:denseNet_localization.py
denseNet_localization.py的问题如果说前期数据准备是整个项目开始的最大障碍，那么 denseNet_localization.py 就是终结它之前的终极考验（当然是对我这个菜鸡来说）。说实话，在这个.py文件中遇到太多关键的问题，以至于在我想把它们整理出来的时候一时间找不到头绪。和大哥在106接近两小时的debug，收获真的太多了（99%的工作为大哥完成）。下面我按时间线说一下遇到的主要问题以及解决方案。1.missing keys、unexpected keys以及size mi
2020-11-07 22:08:43
269
原创 弱监督网络CheXNet复现心得
最近由于项目需要，开始研究弱监督算法的实现，从最开始查阅相关概念到现在复现接近尾声，出现了不少问题和小坑，这篇博客简单记录一下复现过程中的心路历程。其中有很多是很显而易见的问题，也一并说一下。数据准备不得不说，这个项目对数据的要求十分严格，可能也注定其泛化性不强。出于检测其可行性的想法，我首先选取了实验室一个前期准备过的单类目标进行训练，共计图像2030张，我选取1800张作为训练，230张作为验证（我把测试集和验证集重合了，考虑到这样能充分利用这个小小的数据集）。其中，选取200张图像的标签作为有监督
2020-11-05 22:08:20
558
6
原创 自建py文件，实现读取XML文件，并对其中值进行计算的功能
问题提出目前项目面临着运用自学习机制进行目标识别的挑战，自学习在功能实现上可以和弱监督学习等同，通俗的说就是只给一部分训练集中的图像打标签（十分之一），然后利用弱监督网络进行训练，验证和测试。翻阅资料，在GitHub上找到了吴恩达团队在2017年发布的一个基于医学影像的弱监督目标识别的项目代码（在这里手动@一下南南姐），前期的数据准备包括一个包含所有图像（训练、验证、测试）的文件夹、一个 train_val_list.txt 用于存放训练集和验证集的图像名称、一个 test_list.txt 用于存放测
2020-10-30 17:07:58
276
原创 xml转txt代码最后的完善，以及一些体会
接着上一篇博客 txt标签存在负值问题解决，回看昨天和大哥讨论的两种方法方法一：直接调换xmlbox.find函数调用的max、min值生成标签可以看到，第五类和第七类出现了负值。疑惑的是，和原标签相比，绝大多数负值都转换成功。debug一下，发现第五类的ymax和ymin没有调换，导致y的比例值为负。分析原因，回看obj函数：可以看到，obj函数在这里相当于是一个迭代器，并不是python进行元素赋值操作的（列表、元组、字典、集合）方法，所以它在作为左值时就会出现问题。方法二：将其转
2020-10-23 16:57:54
795
6
原创 txt标签存在负值问题解决
根本问题在于数据增强xml转化为txt的代码中，计算xmin、xmax、ymin、ymax，未进行操作时，max的值大于min，但在旋转操作后max与min位置互换，导致出现负值。
2020-10-22 22:35:35
1766
3
原创 记录一下自己做项目期间遇到的一些坑（凭记忆写的，很多已经忘了，以后及时记录，及时更新）
YOLOv5现在研一，目前做的主要是一些复现github上代码的工作，其中主要的坑存在于数据集上。拿yolo v5来说，它是需要yolo格式的标签的，但实验室制作的数据集都打了VOC格式的标签。在将xml转化为txt格式的过程中，存在很多问题。首先，发现xml文件中有部分的size（长宽高）为0，这就导致在转换为txt格式的过程中，计算的分母为0，导致无法转化。目前这个问题的根本原因还是没有找到，检查了打标签的过程，没有问题。解决方法就是把size为0的标签和对应图片删掉，转换成功。成功转换标签后，
2020-10-20 18:11:34
468
2
原创 【飞桨】【PaddlePaddle】【论文复现】StarGAN v2论文及其前置：GAN、CGAN、pix2pix、CycleGAN、pix2pixHD、StarGAN学习心得
目录GANCGANpix2pixCycleGANpix2pixHDStarGANPaddlePaddle: 百度顶会论文复现营.GANGAN，即生成对抗网络，其网络结构主要包含一个生成器G和一个判别器D。首先，一个n维噪声输入到模型中，由生成器生成一个fake图像（根据目标而定），接着传入真实图像，resize成与fake图像相同大小，共同输入到判别器D中，送入训练网络中，训练趋势是使生成器生成越来越逼真，可以“以假乱真”的假图像，而判别器的精度也不断提升，最后，判别器D无法区分生成器G生辰的fak
2020-08-05 16:50:57
1554
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人