基於two-stage 的目標檢測和基於 one-stage 的目標檢測;其中two-stage 的目標檢測速度,但準確率低;two-stage 的目標檢測速度慢但準確率高,但是目前主要用的還是two-stage 的目標檢測。
樣本包括哪些類別呢?
正樣本(標籤區域內的部分)、負樣本(標籤區域之外的區域,即影象背景部分)
易分正樣本(容易分類的正樣本)、易分負樣本(容易分類的負樣本)
難分正樣本、難分負樣本
樣本不平衡問題?
正負樣本不均衡(正負樣本比例達到 1:1000)和難易樣本不均衡(簡單樣本主導 loss)
處理方法?
資料上面使用:
1、正樣本增強,資料進行重取樣,乙個batch裡面將正負樣本五五分開;
2、損失上面加權交叉熵,focal loss,難樣本挖掘,標籤平滑等方式;
3、用正樣本搜圖,gan生成(絕招)。
目標檢測網路 YOLO V4(一)
最近,yolo v4的開源掀起了一波熱潮,根據給出的資料yolo v4實現了速度和精度的雙向突破,吊打了一系列的目標檢測網路。因此,考慮後續感測器融合的目標跟蹤研究的需要,研究yolo v4是不可或缺的部分,並且先學習github中的開源demo,再研究該網路的原理。1.基於linux下執行,首先執...
Pytorch yolov4做目標檢測詳細教程
四.原始碼分析 五.參考文章 以下是我工程的環境 基於ubuntu18.04 環境版本 python 3.6pytorch 1.5.0 注釋 環境主要是pytorch環境,而且庫很好安裝,缺少什麼庫就安裝什麼庫,這個很簡單 連線 專案連線 資料目錄展示 3.1.2資料增強和路徑配置 注釋 資料增強和...
目標檢測 yoolov4資料前處理
1.資料增強 基於影象的深度學習演算法,通常需要資料增強,比較常規的就是翻轉,旋轉,影象裁剪 在目標檢測中,對進行變換,還會涉及到框的變化,尤其時對影象進行resize成相同大小時,需要對框進行相應的縮放 1.1讀取影象 讀取框 目標位置 image image.open line 0 box np...