Maggie's blog

原创 mmyolo训练记录

IndexError:list index out of range.

原创 MMdetection报错不在同一个设备上

MMdetection reppionts方法训练报错。

原创 MMdetection安装

MMdetection安装

原创 MMdetection训练voc数据集

查看官方的安装文档https//mmdetection.readthedocs.io/zh_CN/latest/get_started.html#id2。MMdetection支持coco和voc数据集两种格式，也可以自定义数据集。最好使用的是coco格式，我先用的是voc格式，所以介绍一下voc格式。（2）修改模型这里的模型是你需要跑的实验的模型。从git上面下载方法，需要注意最后这个命令。1、安装MMdetection。2、准备voc格式数据集。...

原创 目标检测----评价指标

评价检测算法的标准：是否正确的预测了框内的物体类别预测框和人工标注框的重合程度量化标准为mAP(mean Average Precision)和IOU(Intersection Over Union)mAP：平均精度均值。 mAP是把每一个类别的AP都单独提出来，然后计算所有类别AP的均值，代表着对检测到目标平均精度的一个综合评价。IOU用来衡量预测的物体框和真实框的重合程度；评价一个算法的时候，一种常见的方法就是设定一个IOU阈值，只要算法找到的框的IOU大于这个阈值，就是一个有效的检测

原创 图像切分成小图

import osfrom xml.dom.minidom import Documentimport numpy as npimport copyimport cv2import sysdef clip_image(file_idx, image, width, height, stride_w, stride_h): shape = image.shape # os.mkdir(os.path.join(save_dir, file_idx)) #clas

原创 按照txt坐标对图片进行切分

import os,cv2,numpy as npdef bording_judge(im,x1,y1,x2,y2): #真值代表的是ymin，xmin，ymax，xmax w,h=(x2-x1)*2,(y2-y1)*2 x_min,y_min,x_max,y_max=0,0,im.shape[0],im.shape[0] center_x,center_y=x1-w/2,y2-h/2 # x1=int(max(x1-w/2,x_min)) # y1=int(ma

转载 transformer学习（一）

代码来源：https://zhuanlan.zhihu.com/p/411311520from base64 import encodefrom turtle import forwardfrom cv2 import dnn_Modelfrom importlib_metadata import requiresimport torchimport torch.nn as nn import numpy as np import mathclass Config(object):

原创 区分数据集每张图片的类别并分别保存

from cgi import print_argumentsimport shutilimport randomimport osimport pathlibimport numpy as npimport pandas as pdfrom numpy import sizefrom collections import Counter# from torch import classesimg_path = 'val/val/images'txt_path = 'val/val/

原创 论文阅读---LR-TSDet: Towards Tiny Ship Detection in Low-Resolution Remote Sensing Images

这里实验部分就不展示了

原创 论文阅读--RRNet：并行多尺度关注关系推理网络在光学遥感图像显著目标检测中的应用

原创 提取目录中的图片和文本保存到新的文件夹并划分数据集

from importlib.resources import pathimport osimport randomimport shutil #随机打乱数据集 可以不打乱txt文件def get_list(img_path): return [os.path.join(img_path,f) for f in os.listdir(img_path) if f.endswith('.jpg')]#输入划分比例train:test 7:3 p_train p_testdef ge

翻译 EGNet: Edge Guidance Network for Salient Object Detection

论文主要解决的问题：全卷积神经网络(FCNs)在突出的目标检测任务中显示出了其优势。然而，大多数现有的基于fcns的方法仍然存在粗糙的对象边界。与基于区域的方法相比，像素级显著目标检测方法具有优势。然而，他们忽略了图像中的空间相干性，导致显著的物体边界不满意。大多数方法都希望通过融合多尺度信息来解决这一问题。一些方法使用后处理，如CRF来细化突出的对象边界。在NLDF中，他们提出了一个IOU损失来影响边缘周围位置的梯度。它们都不注意显著边缘检测和显著目标检测之间的互补性。一个良好的显著边缘检测结果可以帮.

原创 天梯赛——图着色问题

/*团体程序设计 天梯赛 图的着色问题*/#include<iostream>#include<cstring>#include<set> using namespace std;const int N =510;int v,e,k,col[N],vis[N],g[N][N];bool dfs(int u){ for(int i=1;i<=v;i++){ if(!vis[i]&&g[u][i]==1){ vis[i]

原创 动态规划——斐波那契数

#include<iostream>#include<vector>using namespace std;int f(int n){ if (n<=1) return n; vector<int>dp(n+1); dp[0]=0; dp[1]=1; for(int i=2;i<=n;i++){ dp[i]=dp[i-1]+dp[i-2]; } return dp[n];}int main(){ cout<<"p.

原创 python学习笔记（一）

shutil：则就是对os中文件操作的补充。–移动 复制 打包 压缩 解压,针对日常的文件和目录管理任务，:mod:shutil 模块提供了一个易于使用的高级接口:>>> import shutil>>> shutil.copyfile('data.db', 'archive.db')>>> shutil.move('/build/executables', 'installdir')方法 说明os.path.abspath(path) ..

翻译 Paper Reading:Align Deep Features for Oriented Object Detection

https://github.com/csuhan/s2anetAbstract在过去的十年中，航空图像中的目标检测取得了重大进展，这些目标通常分布在大尺度变化和任意方向上。然而，现有的方法大多依赖于启发式定义的不同尺度、角度和纵横比的锚，锚盒与轴向卷积特征之间存在严重的错位，导致分类评分和定位精度普遍不一致。为了解决这一问题，我们提出了一个单次对齐网络(S2A-Net)，它由两个模块组成:特征对齐模块(FAM)和面向检测模块(ODM)。FAM可以使用锚定优化网络生成高质量的锚定，并使用新型对齐卷积自适

翻译 Paper Reading:LightTrack: Finding Lightweight Neural Networks for Object Tracking via One-Shot Archi

CVPR2021github:https://github.com/researchmm/LightTrackAbstract在过去几年中，目标跟踪取得了重大进展。然而，最先进的跟踪器变得越来越笨重和昂贵，这限制了它们在资源受限的应用程序中的部署。在这项工作中，我们提出了LightTrack，它使用神经结构搜索(NAS)设计更轻量级和高效的目标跟踪器。综合实验表明，我们的LightTrack是有效的。它可以找到性能优于手工SOTA跟踪器，如siamrpn++[30]和Ocean[56]，同时使用更少的

原创 yolo目标检测

yolo对目标检测的最大优势就是快，比FastR-CNN要快，但是准确度不高，尤其是对小目标和多个小目标放在一起的时候，由于网络设置固定数量的bouding box，所以对于多个小目标检测性能不高，yolov1之后不断改进，到目前为止的yolox,性能得到了很大的提升，和yolov1相比，增加了许多的trick,网络结构也发生了改进，yolov1的思想是将一副图像分成S*S个网格，如果其中一个object的中心落在这个网格中，那么这个网格就负责预测这个object。每个网格要预测B个bouding box，

转载 页面置换算法

通常把选择换出页面的算法称为页面置换算法，置换算法的好坏直接影响到系统的性能，不适当的算法可能会导致抖动，最近学习了一下，算是做一个笔记吧。。。实现OPT和LRU置换算法#include <stdio.h> #include <stdlib.h>#include <time.h> #define N 12 #define B 3 ...