目標檢測資料層引數解析（caffe）

作用：資料變換

transform_param 

# batch sampler 的額外限制條件（座標表示形式）
emit_constraint 
#資料畫素變換，資料增強
distort_param 
#對原圖周圍用均值擴充，變成乙個大，後面縮放到特定尺寸之後，原圖目標就會縮小，目的是使網路適應小尺寸的目標，增強小目標的檢測效果
expand_param 
}

data_param

annotated_data_param 

#取樣的patch必須滿足的約束條件
sample_constraint 
max_sample: 1 #乙個取樣器要選擇的符合條件的patch數量
max_trials: 50 #乙個取樣器的最大嘗試次數，如果超過這個次數就不再查詢
}...
...label_map_file: "./labelmap_voc.prototxt" #類別標籤檔案
}

目標檢測特殊層 ROI Align層詳解

roi align 是在mask rcnn這篇 裡提出的一種區域特徵聚集方式,很好地解決了roi pooling操作中兩次量化造成的區域不匹配 mis alignment 的問題。實驗顯示，在檢測測任務中將 roi pooling 替換為 roi align 可以提公升檢測模型的準確性。如果roi大...

目標檢測常用的資料增強方法解析

資料增強的方法主要有 翻轉變換 flip 隨機修剪 random crop 色彩抖動 color jittering 平移變換 shift 尺度變換 scale 對比度變換 contrast 雜訊擾動 noise 旋轉變換 反射變換 rotation reflection 等等 訓練模型根據所用框架...

目標檢測資料書籤

目標檢測進化史 object detection and classification using r cnns faster rcnn 理論 1 faster rcnn詳解 物體檢測 faster r cnn 一 載入訓練資料 物體檢測 faster r cnn 二 基於resnet的faster...