fasterRCNN数据集制作（目标检测）（个人笔记）

Faster RCNN训练自己的数据集【傻瓜式教程】

创建py文件，下面是代码 import cv2 import os import numpy as np stopFlag=False pointList=[] pointPos=[] def draw_rectangle(event,x,y,flags,param): global ix,iy,temp,copyImg,pointPos,pointList if ev...

一、修改图片名称使用下面的程序可以快速修改文件夹中的图片名称path = 'G:\Faster_CNN\cars\';%所有图片存放的路径 D = dir([path '*.bmp']);%将该路径下的所有文件读取成一个结构体 for i = 1:length(D)%遍历每一张图片 image_name = D(i).name;%每一张图片的名字 I = imread(strc...

2016年提出的Faster RCNN目标检测模型是深度学习现代目标检测算法的开山之作，也是第一个真正全流程都是神经网络的目标检测模型。其主要步骤如下：1，使用CNN对输入图片提取feature map.2，对feature map上的每个点设计一套不同大小和长宽比的anchor作为先验框。3，设计RPN网络从大量的anchor中筛选出一些作为目标框的proposals并用回归分支纠正它们的位置。...

一、模型创新点 模型改进：rpn网络部分加入了K-means聚类算法，对框的大小聚类，并输入rpn网络 二、faster-rcnn特点 1.1区域建议网络 1、传统的区域建议框选择 方法：selective search 局限性：产生的建议框有相互叠加的，增加了计算量 2、faste-rcnn 方法：rpn（region proposal network） 原理：卷积后提取的特征图与原图位置相对应...

我们要训练一个好的模型，并进行应用，目前来说是离不开Linux系统的，索性直接在该系统下操作吧

一、数据集文件夹 新建一个文件夹，用来存放整个数据集，或者和voc2007一样的名字：VOC2007然后在文件夹里面新建如下文件夹： 二、将训练图片放到JPEGImages 将所有的训练图片放到该文件夹里，然后将图片重命名为VOC2007的“000005.jpg”形式 重命名的python代码为： import os path = r"D:\VOC2007\JPEGIma...

http://blog.csdn.net/mydear_11000/article/details/70241139 http://blog.csdn.net/sinat_30071459/article/details/51332084 http://blog.csdn.net/zchang81/article/details/70238591 https://github.com/rbgi

一、Anoconda建环境名字：faster 1.1建立虚拟环境 建立一个名为faster的虚拟环境，以后所有的操作都在这个虚拟环境中，这可以避免各个版本的python或者框架之间的相互干扰。python=可以让你指定python的版本，如果不输入括号中的内容，系统会安装目前最新的python版本。 conda create -n faster python=3.6 记录一下环境的位置，等着p...

读取解析PASCAL VOC2012数据集 文章目录读取解析PASCAL VOC2012数据集前言一、认识数据集1. Annotations文件夹2.JPEGImages文件夹3.ImageSets文件夹4. pascal_voc_classes.json文件二、代码解析1.`__init__`2.`__len__`3.`__getitem__`4.`get_height_and_width`5.`parse_xml_to_dict`总结 前言 在我们训练网络的过程中，读取解析我们的数据集往往是第一步

接前篇：http://blog.csdn.net/zcy0xy/article/details/79614690一、环境安装准备python2.7以及相关的包cython, python-opencv, easydictFaster-RCNN用的是https://github.com/smallcorgi/Faster-RCNN_TF tensorflow版本本文假设你已经按照上面的教程完成了安装...

在将fasterrcnn的算法代码跑通了，尝试训练自己的数据，将自己的数据制作成VOC2007的格式即可。在这里主要参考小咸鱼的博客（http://blog.csdn.net/sinat_30071459/article/details/51332084），感谢大神。自己实际过程就是按照该博客一步步配置的，下面记录下自己配置中出现的一些问题。 1、Error：assert (boxes[:, 2]

faster r-cnn 是第一个完全可微分的检测模型 。也就是从数据到模型输出的整条路径既可以 前行传播 forward ，也可以反向传播 backword 。是一个 end -to- end 模型。 faster r-cnn 发展进程 1. R-CNN : 特点： 候选区域 + 卷积特征提取 + （SVM）特征分类 和 边界回归 候选区域：select serch 方法； 提取个数大约：1k...