keras--yolov3目标检测-程序员宅基地

技术标签: yolov3  

keras中文文档:https://keras.io/zh/

 

论文理解:

边框回归的理解:https://blog.csdn.net/zijin0802034/article/details/77685438

retinanet理解:https://www.jianshu.com/p/db4ccd194109

yolo理解:https://zhuanlan.zhihu.com/p/49556105

 

代码实现及理解

整体理解:https://www.cnblogs.com/wangxinzhe/articles/10592184.html

YOLOv3  keras代码跑自己数据集:https://blog.csdn.net/Patrick_Lxc/article/details/80615433

https://blog.csdn.net/u012746060/article/details/81183006

yolo v3 keras代码理解:https://github.com/SpikeKing/keras-yolo3-detection                         

 https://danielack.github.io/2018/08/25/yolov3Keras%E5%AE%9E%E7%8E%B0%E8%A7%A3%E8%AF%BB

yolo v3中具体操作及函数参考:

yolo v3目标检测中需要将图像转换为固定416*416大小,调整图像操作参见PIL:https://www.colabug.com/4009413.html

处理数据阶段得到有关数据的生成器 generator:https://www.ibm.com/developerworks/cn/opensource/os-cn-python-yield/

yolo v3中心点相对原图像比例的误差采用的是keras.backends.binary_crossentropy,而此函数内部采用的是sigmoid_cross_entropy_with_logits,sigmoid_cross_entropy_with_logits具体计算参见:https://blog.csdn.net/brooknew/article/details/84660830,衡量两者对于sigmoid的符合度。

keras模型保存参见save/save_weights函数:https://blog.csdn.net/leviopku/article/details/86612293

极大值NMS抑制函数(存在多个边界框,保留概率最大的那个,去除掉与这个概率最大的边界框的IoU大于一个阙值的其余边界框):https://blog.csdn.net/m0_37393514/article/details/81777244

扩展:

各类损失函数的理解:https://www.jianshu.com/p/47172eb86b39

yolo v3中的可视化:https://blog.csdn.net/qq_34806812/article/details/81459982

keras中可视化网络模型:https://www.jianshu.com/p/089302461a6b

原文链接:https://blog.csdn.net/qq_34963853/article/details/88815022

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/Sagacity_1125/article/details/103316284

智能推荐

不用NAS,无需attention,只用3x3卷积和ReLU 的SOTA算法RepVGG-程序员宅基地

文章浏览阅读632次。本文转载自知乎,已获作者授权转载。链接:https://zhuanlan.zhihu.com/p/3443244702020年B站年度弹幕是“爷青回”。一定有很多瞬间,让你感觉“爷的青春..._卷积计算 3*3

SE:通道注意力模块【附Pytorch实现】_se通道注意力-程序员宅基地

文章浏览阅读1.1w次,点赞17次,收藏65次。ImageNet最后一届比赛的冠军作品,其先将空间信息压缩到一个响应值,然后对原feature map进行加权。_se通道注意力

多传感器数据标定融合完整教程:时间同步+空间同步(Camera+Lidar+IMU+Radar)-程序员宅基地

文章浏览阅读1w次,点赞11次,收藏84次。多传感器融合是一项结合多传感器数据的综合性前沿内容,主要包括Camera、激光雷达、IMU、毫米波雷达等传感器的融合,在自动驾驶、移动机器人的感知和定位领域中占有非常重要的地位;随着AI技..._多传感器数据标定融合完整教程:时间同步 空间同步(camera lidar imu radar)-csdn

【深入vue3 之 directive 指令的使用与讲解】_vue3 directive-程序员宅基地

文章浏览阅读2w次,点赞10次,收藏38次。自定义全局指令:实例app.directive()参数:{string} name{Function | Object} [definition]返回值:如果传入 definition 参数,则返回应用实例。如果不传入 definition 参数,则返回指令定义。用法:注册或检索全局指令。自定义指令概念:在 Vue 中,代码复用和抽象的主要形式是组件。然而,有的情况下,你仍然需要对普通 DOM 元素进行底层操作,这时候就会用到自定义指令。自定义指令是vue提供给我们用原生DOM封装一系_vue3 directive

完美优化Github访问缓慢问题_winxraygithub-程序员宅基地

文章浏览阅读2.2w次,点赞26次,收藏51次。一、国内访问 GitHub 为什么很慢?  GitHub的CDN域名遭到DNS污染,导致无法连接使用 GitHub 的加速分发服务器,才使得国内访问速度很慢。二、如何解决 DNS 污染?  通过修改 Hosts 文件,将域名解析直接指向 IP 地址来绕过 DNS 的解析,以此解决污染问题。.三、具体步骤1、获取Github的ip地址  通过访问 https://www.ipaddres..._winxraygithub

eclipse卸载插件小记_eclipse卸载sonar插件-程序员宅基地

文章浏览阅读1.7k次。eclipse用久了,上面好多插件,android、C++、python什么的好多,每次加载都费时,所以只能卸载了,需要时再装,记录下过程:1、【Help】->【Install New Software...】,打开安装插件页面;2、打开已安装插件:选择要卸载的插件,【Uninstall...】即可,重启eclipse生效。_eclipse卸载sonar插件

随便推点

android横竖屏切换时不要重新加载,android横竖屏切换不重启activity解决方案-程序员宅基地

文章浏览阅读739次。部分网友会发现Activity在切换到后台或布局从横屏LANDSCAPE切换到PORTRAIT,会重新切换Activity会触发一次onCreate方法,我们可以在androidmanifest.xml中的activit元素加入这个属性Android:configChanges="orientation|keyboardHidden" 即可,比如Java代码/* 声明Display对象,以取得屏幕..._android 横竖屏切换不重新加载

Kafka入门(常见错误)-程序员宅基地

文章浏览阅读967次。1:Consider defining a bean of type 'org.apache.kafka.clients.producer.Producer' in your configuration.是因为没有配置Kafka基础配置,解决方式

机器人操作系统ROS稳定性和可靠性_ros 不够稳定-程序员宅基地

文章浏览阅读1.7k次。如下:不仅地球可用,地球外也可用。如果写出来的ROS程序不稳定,那是还需要努力的地方太多。当然也可以甩锅给ROS,甩就完事,没有然后了……_ros 不够稳定

2021-03-30 ubuntu16.04 交叉编译 glib-2.45.3 libnice-0.1.13_error: m4_copy: won't overwrite defined macro: gli-程序员宅基地

文章浏览阅读865次。下载编译:gettext-0.19.4gettext-0.19.4# cat config_build.sh./configure --prefix=/usr \--enable-static=no \--enable-shared=yes \--host=arm-himix100-linuxmake installDESTDIR=/home/work/hiSDK/soft-app/osip_VoIP/libnice/_install建立glib.cacheglib_c..._error: m4_copy: won't overwrite defined macro: glib_defun

【图分析】图算法,社团发现算法-程序员宅基地

文章浏览阅读1.1k次。目录社团发现算法介绍数据导入三角形计数和聚类系数局部聚类系数全局聚类系数三角形计数和聚类系数的用法Neo4j实现三角形计数Neo4j计算局部聚类系数强连通分量算法强连通分量算法Neo4j实现强连通分量算法连通分量算法Neo4j实现连通分量算法标签传播算法半监督学习和种子标签使用Neo4j实现标签传播算法Louvain模块度算法社团发现算法介绍(1)面向整体关系稠密度的三角形计数和聚类系数。(2)用于发现连通族的强连通分量算法和连通分量算法。(3)标签传播算法,可基于节点标签快速推断群组。(4)Lo_社团发现算法

Allan方差:标准allan方差求取和重叠(Overlaping)方差求取 & 如何计算各个参数值!-程序员宅基地

文章浏览阅读1.6w次,点赞36次,收藏188次。1、标准allan方差计算法2、重叠方差计算法_allan方差