这个脚本是一个数据增强类。理论知识来自这篇论文：[Augmentation for small object detection](Augmentation for small object detection).import numpy as npimport randomimport cv2class copy_paste(object):def __init__(self, thresh=3

目录前言0、导入需要的包和基本配置1、相机设置2、create_dataloader3、自定义DataLoader4、LoadImagesAndLabels4.1、__init__4.2、cache_labels4.3、__len__4.4.、__getitem__4.5、collate_fn4.6、collate_fn45、img2label_paths6、verify_image_label前

c++、vscode

来自：https://arxiv.org/abs/1708.02002目录一、提出背景二、设计思路三、总结优缺点一、提出背景目前目标检测的框架一般分为两种：基于候选区域的two-stage的检测框架（比如fast r-cnn系列），基于回归的one-stage的检测框架（yolo,ssd这种），two-stage的速度较慢但效果好，one-stage的速度快但效果差一些。对于one-stage的检

目录一、定义1.1、TP1.2、FP1.3、FN1.4、Precision1.5、Recall1.6、AP1.7、mAP二、mAP计算过程（实例）三、YoLo输出结果的理解Reference一、定义1.1、TPTP（True Positive）：IoU>0.5的检测框数量；检测成正样本，且检测对了（本质是正样本）1.2、FPFP（False Positive）：IoU<=0.5的检测框

import numpy as npfrom keras.datasets import mnistfrom keras.utils import np_utilsfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.optimizers import SGD#1、载入数据(x_train,y_tra

这个脚本是一个数据增强类。理论知识来自这篇论文：[Augmentation for small object detection](Augmentation for small object detection).import numpy as npimport randomimport cv2class copy_paste(object):def __init__(self, thresh=3

目录一、效果图二、代码一、效果图二、代码import cv2import mathimport numpy as npimport osimport globimport jsonimport shutilimport xml.etree.ElementTree as ETfrom xml.etree.ElementTree import ElementTree, Elementdef getCo

这里写目录标题一、效果图二、代码一、效果图二、代码import cv2import mathimport numpy as npimport osimport globimport jsonimport shutilimport xml.etree.ElementTree as ETfrom xml.etree.ElementTree import ElementTree, Elementdef

面试地平线