訓練配置我這裡使用的是voc的例項分割資料集：pascal-sdb，如果是要自定義資料集訓練，可以按照我的配置流程照葫蘆畫瓢配置。資料集製作可以參考我之前的yolact訓練筆記即可。我這裡的資料集主要是三個檔案：
分別是：訓練存放路徑，json格式的train和val標註，記住三個路徑，一會配置的時候會用到。
把檔案git clone下來後，和之前的yolact很相似，基本上是如出一轍，首先掃一下data/config.py檔案，主要配置都在這裡面，如果之前沒跑過yolact的可能會被嚇到：挖槽，這麼多？？其實細看下來，作者把每個配置模組分的明細。仔細研讀一遍大概就知道是什麼意思了。時間有限，這裡就不帶大家解讀了。如果是要訓練自己的資料，需要新增6處修改。
2.1 配置修改一
官方config給出了兩個資料集的定義：coco和youtube vis，這裡我們需要自定義自己的資料集類別和標籤，在youtube_vis_label_map下方增加，取名為pascal：
2.2 配置修改二
在datasets部分，已經給出了通用的資料集構建模組，只需要在dataset_base基礎上構建即可，參考coco-2014的構建格式，可以構建乙個pascal_sbd_dataset的資料集，主要配置如下：
2.3 配置修改三
在yolact_base_config基礎上，構建yolact_edge_pascal_config，格式參照yolact_edge_config，只不過這裡要做更多修改，改掉一些預設的配置：
「name」：名字自定義；
「dataset」：指定資料集；
「num_classes"：類別數，加上乙個背景類；
」backbone「：主幹網路，預設是resnet101，還可選mobilenetv2；
」lr_steps「：學習率衰減區間；
「max_iter」：訓練迭代次數，預設800000，按需修改。
2.4 配置修改四
最後指定cfg為yolact_edge_pascal_config。
其他修改
如果電腦沒有安裝git，則需要在train.py中將這幾行注釋掉
順利載入的話你將會看到：
如果你要從資料標註開始訓練的全部過程的話，建議結合之前的這篇自定義資料集訓練yolact例項分割一起看，訓練資料格式需要轉成coco的json格式，之前的**有提供轉換。
最終的結果，好像效果不是特別好？？先不管了，目前只是先跑通，實際結果等用到的時候在細細優化。
openCV例項 Canny邊緣檢測
在第一次使用opencv程式成功對影象進行開啟後，現在開始試驗第二個例程試驗 canny邊緣檢測 這裡演算法原理和具體程式設計語句都先不管，因為作為一名新手 反正我是這麼感覺的 拿些現成的程式跑出效果才是讓人很有feel的。先貼下原 include cv.hpp include cxcore.hpp...
ZedGraph實時曲線例項
2010 10 17 11 23 58 分類 asp.net 舉報 字型大小 訂閱 public partial class frmmain form private void frmmain load object sender,eventargs e private void timedraw ...
ZedGraph實時曲線例項
2010 10 17 11 23 58 分類 asp.net 舉報 字型大小 訂閱 public partial class frmmain form private void frmmain load object sender,eventargs e private void timedraw ...