半夜打老虎

摘要： 一、网络介绍 YoloX由旷视科技开源，以YoloV3(Darknet53作为backbone)作为基线，最大的区别在于 Decoupled Head，Data Aug，Anchor Free 和样本匹配（SimOTA）这几个方面，另外还提供了完善的代码，并很贴心的提供了部署脚本，真的很友好了。 P 阅读全文

摘要： 前面介绍了图像分类网络，并重点解析了ResNet及其应用以及MobileNet系列的轻量化分类网络，这一篇接着介绍图像目标检测网络。 目标检测具有巨大的实用价值和应用前景。 应用领域包括人脸检测、行人检测、车辆检测、飞机航拍或卫星图像中道路的检测、车载摄像机图像中的障碍物检测、医学影像在的病灶检测等 阅读全文

摘要： 前面介绍了MobileNetV1和MobileNetV2，这次介绍这个系列最后一篇MobileNetV3，它沿用了V1的深度可分离卷积以及v2的倒残差网络和瓶颈层，再其基础上做了一系列优化，保证精度最大化的同时减少网络延时。主要改进点包含以下几步： 引入NetAdapt算法自动获取扩展层和瓶颈层的通 阅读全文

摘要： 前面利用ResNet18实现了二分类，这里借助分类网络来识别图片和视频中不同肤色的人数。大体流程可以分为以下几步：数据获取、数据处理、模型训练、图片识别以及视频识别，其中大部分内容参考《机器视觉之TensorFlow2入门、原理与应用实践》第4章。 一、数据获取 这里获取黑人和白人模特数据用于训练。 阅读全文

摘要： 前一篇实现了OpenCV推理ResNet18, 这一篇采用腾讯的NCNN框架实现ResNet18推理。 一、准备 1、 NCNN编译及安装 同OpenCV推理一样，首先需要准备NCNN，NCNN源码编译及安装可参考： https://www.cnblogs.com/xiaxuexiaoab/p/16 阅读全文

摘要： 前一篇实现了ResNet18训练自定义数据集，详细介绍了数据集制作、模型构建及训练，并且介绍了相应模块如何可视化。前面训练阶段是在python环境下进行的，但实际工程部署的时候大都采用C++实现推理，这一篇我们借助OpenCV实现ResNet18推理。 一、准备 1、OpenCV编译及安装 借助Op 阅读全文

摘要： 前面一篇内容讲解了如何利用Pytorch实现ResNet，这一篇我们用ResNet18实现一个二分类。接下来从模型、数据及训练三个方面展开。 一、目标 利用ResNet18将以下数据分为两类 class_0 class_1 二、模型 ResNet系列的模型在上一篇已经详细介绍了，这里采用ResNet 阅读全文

摘要： 一、为什么引入ResNet 通过上一篇分类网络的介绍，我们知道网络的宽度和深度可以很好的提高网络的性能，深的网络一般都比浅的的网络效果好，但训练一个很深的网络是非常困难的，一方面是网络越深越容易出现梯度消失和梯度爆炸问题， 然而这个问题通过BN层和ReLU激活函数等方法在很大程度上已经得到解决；另一 阅读全文

摘要： 深度学习在2D视觉领域分类 一、图像分类 图像分类是指将数字图像自动分类到不同的预先定义类别中。 二、目标检测 目标检测是指在图像或视频中自动识别和定位特定物体的任务。与图像分类不同，它不仅需要确定物体的类别，还需要找出物体在图像中的位置。 按照框分类又可以分为平行框检测和旋转框检测。 平行框 旋转 阅读全文

摘要： 分类网络 深度学习在图像邻域的应用大致可以分为图像分类、目标检测、图像分割三大类，其中图像分割又可以细分为语义分割、实例分割和全景分割，这一篇梳理下常见的分类数据集和分类网络，后续会重点介绍ResNet，并逐步实现ResNet训练及推理。 一、常用分类数据集 MNIST 内容是0-9的手写数字，60 阅读全文