**《learning data augmentation strategies for object detection》研究了適用於目標檢測的資料增強策略。該**的思路和《autoaugment: learning augmentation strategies from data》一樣，選擇一些常用的資料增強方法組成不同的策略，然後使用離散空間搜尋演算法找到適用於目標檢測的資料增強策略。**使用方法和autoaugment一樣，在我的筆記中有介紹。
這裡列出**找到的適用於目標檢測的資料增強策略，下表每一行表示乙個策略，每個策略包含兩種處理方法。
目標檢測 資料增強
一 目標檢測 yolo v4的related work部分精簡的介紹了目標檢測部分。目標檢測大概分為one stage和two stage部分。其中two stage部分主要包括r cnn系列。one stage則包括anchor based和anchor free兩類方法。其中anchor bas...
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...
適用於python的 vimrc檔案
根據我的需求做了一些小的改動。file vimrc date 2009 09 22 author gashero note 配置乙份簡單的vim配置檔案 set nocompatible 非相容模式 syntax on 開啟語法高亮 set background dark 背景色 color des...