mmrotate的使用，xywh angele转为四个点的作业计算，自定义任意数据生成data格式

摘要yolov5在kaggle的水稻检测表现非常好，至少是单模型我所知道的最高得分。对比mmde双阶段模型和efficientdet模型，上一篇文章讲解了pytorch最强复现的yolo4版本，yolov5基本和yolo4训练过程一样。数据集准备第一步先生成yolo统一的格式txt文件，import osname=os.listdir('./image')for i in range(len(na

摘要我写的这个版本不同于之前的写法，我使用的是线下手段对照片进行合成和json的修改，训练测试效果非常的好。能够大幅度提升分数。写起来也是比较繁琐的。效果展示这种是提取照片融合按照0.5的数值混合，不同于mixup，这种加入没有背景，效果会好，这种混合的照片人眼看起来并不是很舒服，但是能对训练带来很好涨分。具体流程第一，你需要提取训练时候最低的几个类别，这里提取是提取单独的物体，不包含背景，也就是

摘要cutmix和mixup是一种比较重要的数据增强手段，普通的数据增强也只是在照片上修改，增强了对网络提取特征图的能力，cutmix这种就是混合label，增强了fc的学习能力。cutmix的思想，只要是用过二张照片，随机的截取一部分，然后换位置，导致label也发生变化。本来有四种花，我放上去的图片是二个换位置比较明显的图片，照片对应发生改变，label也改变了，变成了有小数的，这里大家可能有

摘要前面讲解了ssd网络的特征图提取，在ssd中分为二个阶段，测试阶段和训练阶段，测试是通过已经训练好的参数直接来产生回归好的框和分类类别，训练阶段就是通过sdd产生的数据用来训练参数能够进行分类和回归。multibox函数这个函数是是用来创建6个特征图框的坐标点和分类类别def multibox(vgg, extra_layers, cfg, num_classes):loc_...

前言从本章开始就要进入学习faster rcnn的复现了，深入了解目标检测的核心，只有知道等多的细节才能有机会创造和改进，代码很多，所以我也是分章节更新。每次学会一个知识点就可以了。候选框的生成目标检测的第一步，就是你要先生成框的位置信息，再去画出来，它是如何产生框的坐标点。以及如何按照一定大小的比例生成，都是需要掌握的知识。它是由一个原始16X16大小的框去通过计算变成长宽比为2，1，...

摘要目标检测竞赛的第一步就是需要一个全面的数据分析，需要分析长宽比，各个类别的比例，对json文件的解析有二种方式，一种是利用cocoAPI解析也很方便，另一种就是使用json文件特有的读取方式，以下代码全部是在jupyter notebook上使用，上一个单元的信息依旧保留在下一个单元，如果使用pycharm的话，把使用的代码段在重新复制一下。数据分析分析标签数量，每个类别对应的idimport

摘要aistudio提供免费的v100 16显存，能供进行训练，我在训练分类的时候是没用问题的，训练eff网页就会卡掉。所以这个只能供学习小幅度训练。或者使用aistudio提供的python环境进行日常工作也是不错的选择。创建notebook第一步登录官网进行账号注册 https://aistudio.baidu.com/aistudio/index第二步，点击项目，我的项目，进行创建项目这里其

我们本次实现的目标是将本地的图像分类或者目标检测等等深度学习算法部署成web在线预测的形式。效果图如下，在线图像分类网站大概的设计是有五个可以选择的模型，第二步是可以选择一些照片用来测试分类，同样可以自己本地上传一些照片，最后输出分类的结果和FPS。调试好本地的web之后就部署在服务器上。.........

摘要aistudio提供免费的v100 16显存，能供进行训练，我在训练分类的时候是没用问题的，训练eff网页就会卡掉。所以这个只能供学习小幅度训练。或者使用aistudio提供的python环境进行日常工作也是不错的选择。创建notebook第一步登录官网进行账号注册 https://aistudio.baidu.com/aistudio/index第二步，点击项目，我的项目，进行创建项目这里其