Zorua's Blog

思维导图 YOLO 系列算法发展历程 学习资料 YOLO 原理简述 YOLO 开山之作 —— YOLOv1 YOLOv2 YOLOv3 学习资料 PaddlePaddle YOLO 原理简述 以YOLOv1为例，简述YOLO的核心思想。 将图像划分成SxS个网络 物体bbox中心落在哪个网格上，就由该网格对应锚框负责检测该物体。 输出特征图的宽度、高度（H，W）为SxS，即SxS个网格。 输出特征图的通道上有x,y,w,h,Pobject,classification(one  hot)x,y,w,h,P_{object},classification(one \; hot)x,y,w,h,Pobject​,classification(onehot)等信息。 在官方提出的YOLOv1中，特征图的每个位置预测两个bounding box（bbox），而每个bbox包含五个输出参数：置信度，矩形框参数，共10个参数，再加上20个类别，一共就是30了。置信度C的作用是判断此处是否有目标的中心点。每个网格都会给出5B+C5B+C5B+C个预测参数，因此，网络最终 ...

前言 本文章转载自[作者丨Jack Stark@知乎](https://zhuanlan.zhihu.com/p/104119343) Python数据分析主要用到numpy、pandas等库，虽然简单，但是没事多复习一下，可以减少使用时搜索查询的时间。 np.ndarray, pd.Series和pd.DataFrame的属性和方法 np.array的属性和方法见 https://docs.scipy.org/doc/numpy/reference/arrays.ndarray.html​docs.scipy.org/doc/numpy/reference/arrays.ndarray.html pd.Series的属性和方法见 pandas.Series - pandas 0.25.3 documentation​pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.html pd.DataFrame的属性和方法见 pandas.DataFrame - pandas 0.25.3 documenta ...

前言 本文章转载自[作者丨Jack Stark@知乎](https://zhuanlan.zhihu.com/p/104019160) PyTorch最好的资料是官方文档。本文是PyTorch常用代码段，在参考资料[1](张皓：PyTorch Cookbook)的基础上做了一些修补，方便使用时查阅。 基本配置 导入包和版本查询 1234567import torchimport torch.nn as nnimport torchvisionprint(torch.__version__)print(torch.version.cuda)print(torch.backends.cudnn.version())print(torch.cuda.get_device_name(0)) 可复现性 在硬件设备（CPU、GPU）不同时，完全的可复现性无法保证，即使随机种子相同。但是，在同一个设备上，应该保证可复现性。具体做法是，在程序开始的时候固定torch的随机种子，同时也把numpy的随机种子固定。 123456np.random.seed(0)torch.manual_se ...

YOLOv3 源代码使用的是 YOLOv3 🚀 by Ultralytics, GPL-3.0 license。 参考资料： https://blog.csdn.net/IT_charge/article/details/119208680 https://blog.csdn.net/IT_charge/article/details/119180151 训练参数详解 –weights 用于指定一个预训练模型（用路径指定），用这个模型初始化模型中一些参数。 default 默认ROOT根目录下的yolov3.pt文件。 –cfg cfg 为 configuration（设置）的缩写，用于进行模型的配置。 default 用于选择 model 文件。 选择的文件通常是下面这些： 也有部分YOLOv3的实现会使用.cfg文件。 在这些模型文件中，设定了模型的网络结构。例如上图中，使用骨干网络为 darknet53 。 –data 用于指定训练数据集的配置文件。 像是这样： path 是数据集根目录，train 是训练集（相对于根目录），val 是验证集，test是可 ...

思维导图 RCNN 系列算法优化策略 FPN 网络结构 目标检测实现方法 FPN 结构下的 RPN 网络 FPN 结构下的 RoI Align Cascade R-CNN IoU 的分析 网络结构 Libra R-CNN FPN 特征融合 采样策略 Loss FPN FPN 全称为 Feature Pyramid Network。 构造多尺度金字塔，期望模型能够具备检测不同大小尺度物体的能力。 Featurized image pyramid：将输入图像缩放到不同尺度，使用多个模型进行预测 Single feature map：仅使用最后一层的特征作为检测模型后续部分的输入 Pyramidal feature hierarchy：每个层级分别预测 Feature Pyramid Network(FPN)：将不同层的特征进行融合再分级预测 网络结构 输入为骨干网络每一层的输出；将特征进行上采样，再与上一层特征相加得到 FPN 结构每一层的输出， FPN 结构和骨干网络是相互独立的。 目标检测实现方法 在骨干网络之后增加FPN网络，此 ...

思维导图 RCNN 系列 R-CNN R-CNN 网络结构 R-CNN 网络效果 Fast-RCNN Fast-RCNN 网络结构 Fast-RCNN 网络效果 Faster-RCNN Faster-RCNN 网络结构 Anchor（锚框） RPN 训练策略 监督信息 Loss 回归分支 Loss 计算公式 生成 Proposals RoI Pooling RoI Pooling 不足 RoI Align BBox Head 训练策略 监督信息 Loss 效果 R-CNN 用深度学习分类模型提取特征方法替代传统图像特征提取算法。 R-CNN 核心思想：对每张图片选取多个区域，然后每个区域作为一个样本进入一个卷积神经网络来抽取特征。 R-CNN 网络结构 每张图会通过Selective Search提取2000个候选区域 每个区域被warped到卷积网络要求的输入大小，然后通过卷积网络得到一个输出，作为这个区域的特征 使用这些特征来训练多个SVM来识别物体，每个SVM预测一个区域是不是包含某个物体 使用这些区域特征来训练线 ...

思维导图 目标检测综述 定义 存在的挑战 目标检测发展历程 传统目标检测算法 深度学习的目标检测算法 深度学习的优势 传统机器视觉的局限 深度学习算法的独特优势 RCNN 系列 RCNN Fast-RCNN Faster-RCNN Anchor 和 Anchor-Based 方法 两阶段方法 一阶段方法 Anchor 缺点 Anchor-Free 方法 基于关键点的检测算法 基于中心的检测算法 三种算法对比 基本术语 BBox Anchor RoI Region Proposal RPN IoU mAP NMS[3][4] 常用开源数据集 学习资料 PaddlePaddle 大话目标检测经典模型（RCNN、Fast RCNN、Faster RCNN） 《目标检测手把手入门教程》中的《Backbone与Detection head》 作者：Kissrabbit（知乎） 定义[1] 目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割。它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。 它将目标的分割和识别 ...

背景 最近这段时间，我在我的博客的友情链接功能中完成了新的特性。就像下面这幅图一样，可以在卡片上显示院校校徽。 不过这其中有一个问题是，这些院校的校徽素材网上并没有现成的，所以还得我自己来进行处理。 于是乎我打开了图像处理软件 Photoshop 来处理这些图片素材。 Photoshop 处理流程（以厦门大学为例） 新建图片 新建一张大小为300x300的条件，这个大小是我根据自己的需要设定为标准的。 网上收集校徽素材 打开百度搜索合适的校徽素材，一般要求就是清晰，背景简单不复杂。 然后直接使用截图工具截图，这里为了后续自由变换比较方便，截图时直接截取正方形大小的区域。 调整大小和位置 粘贴至Photoshop中后，用自由变换调整大小，使得校徽刚好内切于这个正方形。就像下面这张图所呈现的一样。 把背景变透明 直接使用魔棒工具选中周围的白色区域，然后删除它们。 最终效果 最终效果如图所示。 虽然有PS的帮助，这项工作变得没有那么麻烦，可要处理数量如此繁多的图像，一张一张来还是有些麻烦。于是我开始思考，这个过程能不能用程序来辅助呢？遂进入这篇文章的正题：一 ...

前言 这篇文章是对Unity软件的窗口进行一个简单的介绍。 在Unity调整到2 by 3布局下，可以更好地看见这几个窗口。 Scene 场景编辑窗口 左边的工具栏可以使用Q``W``E``R``T``Y的快捷键来快速切换。它们的功能分别是： 在屏幕方向对画面进行平移。 调整物体的x, y, z坐标位置。 调整物体的旋转角度。 调整物体的缩放大小。 框选多个物体。 从图标上可以知道它是W``E``R的结合。 按住右键，再操作W``A``S``D``Q``E可以在里面“体验”一下。 Game 游戏运行窗口 游戏的窗口，可以通过这些个按钮来操作。 上面工具栏： Game/Simulator：桌面端和移动端 Display 1：显示第几个Camera的视角（？） Free Aspects：画面比例 Scale：放大倍数 Play Focused：里面有个maximized，是下次play时全屏播放 Mute Audio：静音 Stats：显示硬件数据 Gizmos：可视化辅助工具 Hierarchy 场景物体列表窗口 显示场景中已有的物体，双击物体，镜头会移动到物 ...

定义 KMP算法是一种改进的字符串匹配算法，由D.E.Knuth，J.H.Morris和V.R.Pratt提出的，因此人们称它为克努特—莫里斯—普拉特操作（简称KMP算法）。KMP算法的核心是利用匹配失败后的信息，尽量减少模式串与主串的匹配次数以达到快速匹配的目的。具体实现就是通过一个next()函数实现，函数本身包含了模式串的局部匹配信息。KMP算法的时间复杂度O(m+n)[1]。 上面这个next()函数，有的地方也把它叫做fail()函数。 背景问题 例如对于下面一个文本串： ABCDABABCDEAB 模式串为ABCDE 直接可以想到的解法就是，用一个双重循环移位去一位一位地比较。就像下面这个代码： 12345678910111213string a="ABCDABABCDEAB",b="ABCDE";int lena=a.length(),lenb=b.length();bool flag;for(int i=0;i<lena;++i){ for(int j=0;j<=lenb;++j){ ...