摘要：根据样本种类分布使用图像调用频率不同的方法解决。 1、将样本中的groundtruth读出来，存为一个列表； 2、统计训练样本列表中不同类别的矩形框个数，然后给每个类别按相应目标框数的倒数赋值，（数目越多的种类权重越小），形成按种类的分布直方图； 3、对于训练数据列表，每个epoch训练按照类别权重 阅读全文

摘要：anchor方法： 代替滑窗方法取到目标周围可能的目标框 通过将真实标注、认为正确的坐标框与预测的结果进行对比、计算损失，损失包括目标类别、目标框位置、特征图相应位置是否有目标，通过将三者的损失进行加权求和反向传播，反向传播求出每一层权重对形成这些误差的贡献（偏导），并进行权重纠正。 在训练时的损失 阅读全文

摘要：1、caffe环境： 没有手动本机安装caffe，使用的docker，可在https://hub.docker.com/ 里面下载到符合自己环境的docker。 进入环境命令：sudo docker run --runtime=nviida -v /绝对路径/:/Downloads ba2 /bin 阅读全文

摘要：损失函数与代价函数：目前理解是损失函数就是代价函数，且在损失函数的基础上进行梯度下降，找到最优解。 损失函数：根据目标模型的不同，会分为回归损失函数，逻辑回归分类损失。 MSE损失函数：度量特征图之间的距离，目标是提取特征图推理一致性。平均平方误差（mean square error）。MAE损失函 阅读全文

摘要：在使用百度的AI开放平台时，不熟悉网页请求这类知识，遇到使用不畅的问题，借鉴了网上两个人的经验，最后实现了更直白的代码。 主程序： 直接用python执行该程序就可以获得关键点识别结果，access token获得需要的代码： 其中的client_id和client_secret分别是注册百度平台时 阅读全文