序言
一、資料增強部分增加了垂直旋轉的增強
v5裡面提供了很多資料增強方式，針對大眾的資料集效果還是很適用的，如果覺得增強效果不理想，也可以自己在**中增加，我這裡就增加了乙個垂直的旋轉90°的，為了讓資料集中包含了垂直的目標資料，比如之前做的卡片四個角檢測，如果目標全是水平的卡片，那麼檢測時卡片位置變為垂直的時候，效果可能就會有折扣，但是這類增強並不是所有場景都適用，下圖為垂直旋轉前和垂直旋轉後，針對於這類資料，該增強的效果還是很不錯的，可以有效提高模型泛化能力。
**改動部分：utils/datasets.py 裡資料集載入的loadimagesandlabels.__getitem__部分（大概在530行的位置）：
二、損失修改了置信度的賦值
因為在剛開始使用v5的時候，發現訓練得到的置信度都偏低，然後檢查了它的置信度部分的損失，直接給它賦1，本來只是打算嘗試一下的，因為之前的v3就是這麼幹的，沒想到效果還很不錯？這部分**在loss.py裡的compute_loss函式裡：
看下修改前和修改後的置信度對比：
可以看到修改後擬合出來的目標框置信度基本上都是接近1的置信度，因為檢測任務比較簡單，目標較明顯，沒修改的置信度要偏低一些，如果在檢測時對置信度有要求的話不妨可以嘗試一下。目前一直在這麼用，個人感覺效果要比未修改前要好很多。
三、所有類別參與nms
總所周知，多目標檢測的nms都是同類別的做，但是因為我平時用的場景偏向於檢測文字之類的，不太可能會有不同的類疊加在一起。但是有時候又會出現這樣的問題：
是不是有一些置信度低的框也被保留的，在ocr文字檢測角度來說，乙個框肯定只包含了乙個類，所以其他置信度低的框與之重合的話都應該被過濾，這時候就可以把所有的類別都參與進來做nms，修改部分在：utlis/general.py的non_max_suppression中
def
non_max_suppression
(prediction, conf_thres=
0.1, iou_thres=
0.6, merge=
false
, classes=
none
, agnostic=
false):
"""performs non-maximum suppression (nms) on inference results
returns:
detections with shape: nx6 (x1, y1, x2, y2, conf, cls)
""".. 這裡省略前面部分**
.# if none remain process next image
n = x.shape[0]
# number of boxes
ifnot n:
continue
# ----------------------------------------
# 全部類別參與nms，增加了這部分和下面那部分
class_name = x[:,
5:6]
.clone(
) x[:,
5:6]
= torch.zeros(x[:,
5:6]
.size())
# sort by confidence
# x = x[x[:, 4].argsort(descending=true)]
# ---------------------------------------
# batched nms
c = x[:,
5:6]
*(0if agnostic else max_wh)
# classes
boxes, scores = x[:,
:4]+ c, x[:,
4]# boxes (offset by class), scores
i = torchvision.ops.boxes.nms(boxes, scores, iou_thres)
if i.shape[0]
> max_det:
# limit detections
i = i[
:max_det]
if merge and(1
< n <
3e3)
:# merge nms (boxes merged using weighted mean)
try:
# update boxes as boxes(i,4) = weights(i,n) * boxes(n,4)
iou = box_iou(boxes[i]
, boxes)
> iou_thres # iou matrix
weights = iou * scores[
none
]# box weights
x[i,:4
]= torch.mm(weights, x[:,
:4])
.float()
/ weights.
sum(
1, keepdim=
true
)# merged boxes
if redundant:
i = i[iou.
sum(1)
>1]
# require redundancy
except
:# possible cuda error
print
(x, i, x.shape, i.shape)
pass
# -----------別忘了把類別賦值回去-----------
x[:,
5:6]
= class_name
# -------------------------------------------
output[xi]
= x[i]
if(time.time(
)- t)
> time_limit:
break
# time limit exceeded
return output
BeautifulSoup在使用過程中遇到問題
通過soup.find all 得到的結果無法join 在使用soup.find all 時發現，得到的結果無法使用類似 join 的 進行處理，具體錯誤表現為 typeerror sequence item 0 expected string,tag found typeerror sequenc...
element ui dialog使用過程中的坑
場景一 我們將dialog寫成乙個可復用的公共元件用於顯示不同內容 如 操作中的修改或新增的彈窗 之後發現dialog的遮罩將彈出層 點選修改或新增後理應由乙個彈窗顯示出來 都蓋住了，而我想要的效果是遮罩只遮住舊的視窗，而當前視窗應該完全顯示 注 是使用easyui的panel和window來包裹的...
python使用過程中問題
1.檢視python支援的 whl格式 在cmd輸入python 或者 python3.6 import pip print pip.pep425tags.get supported 2.在修改python.exe為python36.exe 任何重新命名 後，pip會報錯 fatal error i...