【目标检测】Fast R-CNN算法实现
一、前言
2014年，Ross Girshick提出RCNN，成为目标检测领域的开山之作。一年后，借鉴空间金字塔池化思想，Ross Girshick推出设计更为巧妙的Fast RCNN（https://github.com/rbgirshick/fast-rcnn），极大地提高了检测速度。Fast RCNN的提出解决了RCNN结构固有的三个弊端：
- 繁琐的多阶段训练：RCNN在训练时，首先需要在推荐区域上微调卷积网络，然后利用提取的卷积特征针对每个类别训练一个SVM分类器，最后还需要基于卷积特征进行边界框回归训练；
- 高空间和时间成本：RCNN在训练SVM和回归器时，需在磁盘上对推荐区域的卷积特征进行读写，内存和时间消耗较为严重；
- 检测速度慢：检测时，需要对每个推荐区域进行特征提取，计算重复性高，导致检测速度很慢。
同前面RCNN实现一样（见 https://www.cnblogs.com/Haitangr/p/17690028.html），本文将基于Pytorch框架，实现Fast RCNN算法，完成对17flowes数据集的花朵目标检测任务。
二、Fast RCNN算法实现
如下为RCNN算法和Fast RCNN算法流程对比图：
RCNN算法实现过程中，需要将生成的所有推荐区域（~2k）缩放到同一大小后，全部走一遍卷积网络CNN，以提取相应特征进行边界框预测，这个过程极为耗时。同时，由于这2k张图片均来源于同一张输入，卷积网络会进行大量重复性计算。Fast RCNN则完全不同，其输入图片只进行一次CNN计算，以获得整幅图像的特征。而推荐区域的特征则直接利用区域池化技术，根据相应的边界框在全图特征上进行提取，大大降低了计算成本。此外，Fast RCNN采用多任务损失对分类模型和回归模型同时进行优化，避免了繁琐的多阶段训练过程。
下面是本文中Fast RCNN的实现流程：
- 候选区域生成：利用ss方法为每一帧图片生成数量不固定的候选区域，利用IoU结果对候选区域进行标注，同时记录标签和边界框信息；
- 训练集数据准备：构建可迭代数据集类，为模型训练提供原始图像、标签、推荐区域边界框和边界框偏移值信息；
- 模型训练：利用ROI池化提取候选区域特征，利用多任务损失同时训练分类和回归模型；
- 模型预测：通过ss方法生成推荐区域，利用模型结果对推荐区域位置进行修正，再利用非极大值抑制剔除冗余边界框，获得最终目标框。
1. 候选区域生成
Fast RCNNt同RCNN一样采用选择性搜索（selective search，后面简称为ss）的办法产生候选区域，ss方法的详细思路同样请参考 https://www.cnblogs.com/Haitangr/p/17690028.html 。不同的是，Fast RCNN只需要记录候选区域的标签（物体/背景）、候选区域的边界框位置和对应的真实边界框位置，而不需要保存推荐区域图像。具体代码实现如下：
# SelectiveSearch.py
import os
import numpy as np
import pandas as pd
import cv2 as cv
import shutil
from Utils import cal_IoU
from skimage import io
from multiprocessing import Process
import threading
import matplotlib.pyplot as plt
import matplotlib.patches as patches
from Config import * class SelectiveSearch:
def __init__(self, root, max_pos_regions: int = None, max_neg_regions: int = None, threshold=0.5):
"""
采用ss方法生成候选区域文件
:param root: 训练/验证数据集所在路径
:param max_pos_regions: 每张图片最多产生的正样本候选区域个数, None表示不进行限制
:param max_neg_regions: 每张图片最多产生的负样本候选区域个数, None表示不进行限制
:param threshold: IoU进行正负样本区分时的阈值
"""
self.source_root = os.path.join(root, 'source')
self.ss_root = os.path.join(root, 'ss')
self.csv_path = os.path.join(self.source_root, "gt_loc.csv")
self.max_pos_regions = max_pos_regions
self.max_neg_regions = max_neg_regions
self.threshold = threshold
self.info = None @staticmethod
def cal_proposals(img) -> np.ndarray:
"""
计算后续区域坐标
:param img: 原始输入图像
:return: candidates, 候选区域坐标矩阵n*4维, 每列分别对应[x, y, w, h]
"""
# 生成候选区域
ss = cv.ximgproc.segmentation.createSelectiveSearchSegmentation()
ss.setBaseImage(img)
ss.switchToSelectiveSearchFast()
proposals = ss.process()
candidates = set()
# 对区域进行限制
for region in proposals:
rect = tuple(region)
if rect in candidates:
continue
candidates.add(rect)
candidates = np.array(list(candidates))
return candidates def save(self, num_workers=1, method="thread"):
"""
生成目标区域并保存
:param num_workers: 进程或线程数
:param method: 多进程-process或者多线程-thread
:return: None
"""
self.info = pd.read_csv(self.csv_path, header=0, index_col=None)
index = self.info.index.to_list()
span = len(index) // num_workers # 多进程生成图像
if "process" in method.lower():
print("=" * 8 + "开始多进程生成候选区域图像" + "=" * 8)
processes = []
for i in range(num_workers):
if i != num_workers - 1:
p = Process(target=self.save_proposals, kwargs={'index': index[i * span: (i + 1) * span]})
else:
p = Process(target=self.save_proposals, kwargs={'index': index[i * span:]})
p.start()
processes.append(p)
for p in processes:
p.join()
# 多线程生成图像
elif "thread" in method.lower():
print("=" * 8 + "开始多线程生成候选区域图像" + "=" * 8)
threads = []
for i in range(num_workers):
if i != num_workers - 1:
thread = threading.Thread(target=self.save_proposals, kwargs={'index': index[i * span: (i + 1) * span]})
else:
thread = threading.Thread(target=self.save_proposals, kwargs={'index': index[i * span: (i + 1) * span]})
thread.start()
threads.append(thread)
for thread in threads:
thread.join()
else:
print("=" * 8 + "开始生成候选区域图像" + "=" * 8)
self.save_proposals(index=index)
return None def save_proposals(self, index, show_fig=False):
"""
生成候选区域图片并保存相关信息
:param index: 文件index
:param show_fig: 是否展示后续区域划分结果
:return: None
"""
for row in index:
name = self.info.iloc[row, 0]
label = self.info.iloc[row, 1]
# gt值为[x, y, w, h]
gt_box = self.info.iloc[row, 2:].values
im_path = os.path.join(self.source_root, name)
img = io.imread(im_path) # 计算推荐区域坐标矩阵[x, y, w, h]
proposals = self.cal_proposals(img=img)
# 计算proposals与gt的IoU结果
IoU = cal_IoU(proposals, gt_box)
# 根据IoU阈值将proposals图像划分到正负样本集
p_boxes = proposals[np.where(IoU >= self.threshold)]
n_boxes = proposals[np.where(IoU < self.threshold)] # 展示proposals结果
if show_fig:
fig, ax = plt.subplots(ncols=1, nrows=1, figsize=(6, 6))
ax.imshow(img)
for (x, y, w, h) in p_boxes:
rect = patches.Rectangle((x, y), w, h, fill=False, edgecolor='red', linewidth=1)
ax.add_patch(rect)
for (x, y, w, h) in n_boxes:
rect = patches.Rectangle((x, y), w, h, fill=False, edgecolor='green', linewidth=1)
ax.add_patch(rect)
plt.show() # 根据图像名称创建文件夹, 保存原始图片/真实边界框/推荐区域边界框/推荐区域标签信息
folder = name.split("/")[-1].split(".")[0]
save_root = os.path.join(self.ss_root, folder)
os.makedirs(save_root, exist_ok=True)
# 保存原始图像
im_save_path = os.path.join(save_root, folder + ".jpg")
io.imsave(fname=im_save_path, arr=img, check_contrast=False) # loc.csv用于存储边界框信息
loc_path = os.path.join(save_root, "ss_loc.csv") # 记录正负样本信息
locations = []
header = ["label", "px", "py", "pw", "ph", "gx", "gy", "gw", "gh"]
num_p = num_n = 0
for p_box in p_boxes:
num_p += 1
locations.append([label, *p_box, *gt_box])
if self.max_pos_regions is None:
continue
if num_p >= self.max_pos_regions:
break # 记录负样本信息, 负样本为背景, label置为0
for n_box in n_boxes:
num_n += 1
locations.append([0, *n_box, *gt_box])
if self.max_neg_regions is None:
continue
if num_n >= self.max_neg_regions:
break
print("{name}: {num_p}个正样本, {num_n}个负样本".format(name=name, num_p=num_p, num_n=num_n))
pf = pd.DataFrame(locations)
pf.to_csv(loc_path, header=header, index=False) if __name__ == '__main__':
data_root = "./data"
ss_root = os.path.join(data_root, "ss")
if os.path.exists(ss_root):
print("正在删除{}目录下原有数据".format(ss_root))
shutil.rmtree(ss_root)
print("正在利用选择性搜索方法创建数据集: {}".format(ss_root))
select = SelectiveSearch(root=data_root, max_pos_regions=MAX_POSITIVE, max_neg_regions=MAX_NEGATIVE, threshold=IOU_THRESH)
select.save(num_workers=os.cpu_count(), method="thread")
通过以上方法，会在./data/ss目录下为每一张图片生成一个文件夹，文件夹内存放原始图像（.jpg文件）和边界框信息（ss_loc.csv文件）。其中边界框信息文件结构如图，依次存放标签（label）、推荐区域边界框（gx, gy, gw, gh）和真实边界框（gx, gy, gw, gh），这些数据将用于后续模型分类和回归。
2. 训练集数据准备
从前面的流程图可以看出，Fast RCNN输入有两个，分别是图像和推荐区域边界框，前者用于计算特征图，后者用于在特征图上进行目标区域特征提取。此外，在多任务损失中，还需要区域标签进行分类损失计算，需要区域边界框偏移值进行回归损失计算。因此，每一帧训练图像需要包含：原始图像、标签、推荐区域边界框和边界框偏移值。本文对图像进行了随机翻转和固定尺寸缩放，以达到数据增强的目的，相应的边界框等信息也需要在数据增强过程中重新计算。下面通过代码介绍数据准备过程中的一些细节处理。
2.1 数据增强
2.1.1 随机水平翻转
假设输入图片尺寸为（rows, cols, 3），边界框为（x, y, w, h），在进行水平翻转时，原边界框左上角坐标点（x, y）会被翻转到右上角（rows, cols - 1 - x），翻转后左上角坐标应为（rows, cols - 1 - x - w），而w和h不改变。
随机水平翻转代码如下：
def random_horizontal_flip(self, im: np.ndarray, ss_boxes: np.ndarray, gt_boxes: np.ndarray):
"""
随机水平翻转图像
:param im: 输入图像
:param ss_boxes: 推荐区域边界框
:param gt_boxes: 边界框真值
:return: 翻转后图像和边界框结果
"""
if random.uniform(0, 1) < self.prob_horizontal_flip:
rows, cols = im.shape[:2]
# 左右翻转图像
im = np.fliplr(im)
# 边界框位置重新计算
ss_boxes[:, 0] = cols - 1 - ss_boxes[:, 0] - ss_boxes[:, 2]
gt_boxes[:, 0] = cols - 1 - gt_boxes[:, 0] - gt_boxes[:, 2]
else:
pass
return im, ss_boxes, gt_boxes
2.1.2 随机垂直翻转
假设输入图片尺寸为（rows, cols, 3），边界框为（x, y, w, h），在进行垂直翻转时，原边界框左上角坐标点（x, y）会被翻转到左下角（rows - 1 - y, cols），翻转后左上角坐标应为（rows - 1 - y - h, cols），而w和h不改变。
随机垂直翻转代码如下：
def random_vertical_flip(self, im: np.ndarray, ss_boxes: np.ndarray, gt_boxes: np.ndarray):
"""
随机垂直翻转图像
:param im: 输入图像
:param ss_boxes: 推荐区域边界框
:param gt_boxes: 边界框真值
:return: 翻转后图像和边界框结果
"""
if random.uniform(0, 1) < self.prob_vertical_flip:
rows, cols = im.shape[:2]
# 上下翻转图像
im = np.flipud(im)
# 重新计算边界框位置
ss_boxes[:, 1] = rows - 1 - ss_boxes[:, 1] - ss_boxes[:, 3]
gt_boxes[:, 1] = rows - 1 - gt_boxes[:, 1] - gt_boxes[:, 3]
else:
pass
return im, ss_boxes, gt_boxes
2.1.3 图像缩放
本文中采用vgg16提取图像特征，在图像输入vgg16模型前，需要缩放到固定大小（文中采用 512 * 512）。假设输入图片尺寸为（rows, cols, 3），边界框为（x, y, w, h），缩放后尺寸为（im_width, im_height, 3），由于缩放过程中x和w是等比例缩放，y和h也是等比例缩放，则缩放后边界框为（x * im_width / cols, y * im_height / rows, w * im_width / cols, h * im_height / rows）。
图像缩放代码如下：
def resize(im: np.ndarray, im_width: int, im_height: int, ss_boxes: np.ndarray, gt_boxes: Union[np.ndarray, None]):
"""
对图像进行缩放
:param im: 输入图像
:param im_width: 目标图像宽度
:param im_height: 目标图像高度
:param ss_boxes: 推荐区域边界框->[n, 4]
:param gt_boxes: 真实边界框->[n, 4]
:return: 图像和两种边界框经过缩放后的结果
"""
rows, cols = im.shape[:2]
# 图像缩放
im = cv.resize(src=im, dsize=(im_width, im_height), interpolation=cv.INTER_CUBIC)
# 计算缩放过程中(x, y, w, h)尺度缩放比例
scale_ratio = np.array([im_width / cols, im_height / rows, im_width / cols, im_height / rows]) # 边界框也等比例缩放
ss_boxes = (ss_boxes * scale_ratio).astype("int")
if gt_boxes is None:
return im, ss_boxes
gt_boxes = (gt_boxes * scale_ratio).astype("int")
return im, ss_boxes, gt_boxes
2.2 边界框偏移值计算
Fast RCNN中边界框偏移值采用比例和对数方式计算，避免了边界框数值大小对训练的影响。
边界框偏移值代码如下：
def calc_offsets(ss_boxes: np.ndarray, gt_boxes: np.ndarray) -> np.ndarray:
"""
计算候选区域与真值间的位置偏移
:param ss_boxes: 候选边界框
:param gt_boxes: 真值
:return: 边界框偏移值
"""
offsets = np.zeros_like(ss_boxes, dtype="float32")
# 基于比例计算偏移值可以不受位置大小的影响
offsets[:, 0] = (gt_boxes[:, 0] - ss_boxes[:, 0]) / ss_boxes[:, 2]
offsets[:, 1] = (gt_boxes[:, 1] - ss_boxes[:, 1]) / ss_boxes[:, 3]
# 使用log计算w/h的偏移值, 避免值过大
offsets[:, 2] = np.log(gt_boxes[:, 2] / ss_boxes[:, 2])
offsets[:, 3] = np.log(gt_boxes[:, 3] / ss_boxes[:, 3])
return offsets
2.3 迭代数据获取
我们需要构建包含原始图像（images）、标签（labels）、推荐区域边界框（ss_boxes）和边界框偏移值（offsets）的数据集，假设每个batch有N个原始输入图像，其中第 i 个图像产生Mi（i=1, 2, ..., N）个推荐区域。由于每个图象生成的推荐区域数量不固定，那么相应的标签、边界框、偏移值维度也不统一，无法直接继承torchvision.transforms.Dataset从而构建数据集，因为Dataset要求数据具有相同类型和形状。因此本文通过batch_size大小来控制每个batch数据量，将同一batch数据存在一个列表中，后续再迭代提取。
数据获取代码如下：
def get_fdata(self):
"""
数据集准备
:return: 数据列表
"""
fdata = []
if self.shuffle:
random.shuffle(self.flist) for num in range(self.num_batch):
# 按照batch大小读取数据
cur_flist = self.flist[num * self.batch_size: (num + 1) * self.batch_size]
# 记录当前batch的图像/推荐区域标签/边界框/位置偏移
cur_ims, cur_labels, cur_ss_boxes, cur_offsets = [], [], [], []
for img_path, doc_path in cur_flist:
# 读取图像
img = io.imread(img_path)
# 读取边界框并堆积打乱框顺序
ss_info = pd.read_csv(doc_path, header=0, index_col=None)
ss_info = ss_info.sample(frac=1).reset_index(drop=True)
labels = ss_info.label.to_list()
ss_boxes = ss_info.iloc[:, 1: 5].values
gt_boxes = ss_info.iloc[:, 5: 9].values # 数据归一化
img = self.normalize(im=img)
# 随机翻转数据增强
img, ss_boxes, gt_boxes = self.random_horizontal_flip(im=img, ss_boxes=ss_boxes, gt_boxes=gt_boxes)
img, ss_boxes, gt_boxes = self.random_vertical_flip(im=img, ss_boxes=ss_boxes, gt_boxes=gt_boxes)
# 将图像缩放到统一大小
img, ss_boxes, gt_boxes = self.resize(im=img, im_width=self.im_width, im_height=self.im_height, ss_boxes=ss_boxes, gt_boxes=gt_boxes) # 计算最终坐标偏移值
offsets = self.calc_offsets(ss_boxes=ss_boxes, gt_boxes=gt_boxes) # 转换为tensor
im_tensor = torch.tensor(np.transpose(img, (2, 0, 1)))
ss_boxes_tensor = torch.tensor(data=ss_boxes) cur_ims.append(im_tensor)
cur_labels.extend(labels)
cur_ss_boxes.append(ss_boxes_tensor)
cur_offsets.extend(offsets) # 每个batch数据放一起方便后续训练调用
cur_ims = torch.stack(cur_ims)
cur_labels = torch.tensor(cur_labels)
cur_offsets = torch.tensor(np.array(cur_offsets))
fdata.append([cur_ims, cur_labels, cur_ss_boxes, cur_offsets])
return fdata
通过上述流程，本文实现实现了一个可迭代的数据集类，每次迭代返回一个batch的数据，用于模型训练使用，完整代码如下：
class GenDataSet:
def __init__(self, root, im_width, im_height, batch_size, shuffle=False, prob_vertical_flip=0.5, prob_horizontal_flip=0.5):
"""
初始化GenDataSet
:param root: 数据路径
:param im_width: 目标图片宽度
:param im_height: 目标图片高度
:param batch_size: 批数据大小
:param shuffle: 是否随机打乱批数据
:param prob_vertical_flip: 随机垂直翻转概率
:param prob_horizontal_flip: 随机水平翻转概率
"""
self.root = root
self.im_width, self.im_height = (im_width, im_height)
self.batch_size = batch_size
self.shuffle = shuffle
self.flist = self.get_flist()
self.num_batch = self.calc_num_batch()
self.prob_vertical_flip = prob_vertical_flip
self.prob_horizontal_flip = prob_horizontal_flip def get_flist(self) -> list:
"""
获取原始图像和推荐区域边界框
:return: [图像, 边界框]列表
"""
flist = []
for roots, dirs, files in os.walk(self.root):
for file in files:
if not file.endswith(".jpg"):
continue
img_path = os.path.join(roots, file)
doc_path = os.path.join(roots, "ss_loc.csv")
if not os.path.exists(doc_path):
continue
flist.append((img_path, doc_path))
return flist def calc_num_batch(self) -> int:
"""
计算batch数量
:return: 批数据数量
"""
total = len(self.flist)
if total % self.batch_size == 0:
num_batch = total // self.batch_size
else:
num_batch = total // self.batch_size + 1
return num_batch @staticmethod
def normalize(im: np.ndarray) -> np.ndarray:
"""
将图像数据归一化
:param im: 输入图像->uint8
:return: 归一化图像->float32
"""
if im.dtype != np.uint8:
raise TypeError("uint8 img is required.")
else:
im = im / 255.0
im = im.astype("float32")
return im @staticmethod
def calc_offsets(ss_boxes: np.ndarray, gt_boxes: np.ndarray) -> np.ndarray:
"""
计算候选区域与真值间的位置偏移
:param ss_boxes: 候选边界框
:param gt_boxes: 真值
:return: 边界框偏移值
"""
offsets = np.zeros_like(ss_boxes, dtype="float32")
# 基于比例计算偏移值可以不受位置大小的影响
offsets[:, 0] = (gt_boxes[:, 0] - ss_boxes[:, 0]) / ss_boxes[:, 2]
offsets[:, 1] = (gt_boxes[:, 1] - ss_boxes[:, 1]) / ss_boxes[:, 3]
# 使用log计算w/h的偏移值, 避免值过大
offsets[:, 2] = np.log(gt_boxes[:, 2] / ss_boxes[:, 2])
offsets[:, 3] = np.log(gt_boxes[:, 3] / ss_boxes[:, 3])
return offsets @staticmethod
def resize(im: np.ndarray, im_width: int, im_height: int, ss_boxes: np.ndarray, gt_boxes: Union[np.ndarray, None]):
"""
对图像进行缩放
:param im: 输入图像
:param im_width: 目标图像宽度
:param im_height: 目标图像高度
:param ss_boxes: 推荐区域边界框->[n, 4]
:param gt_boxes: 真实边界框->[n, 4]
:return: 图像和两种边界框经过缩放后的结果
"""
rows, cols = im.shape[:2]
# 图像缩放
im = cv.resize(src=im, dsize=(im_width, im_height), interpolation=cv.INTER_CUBIC)
# 计算缩放过程中(x, y, w, h)尺度缩放比例
scale_ratio = np.array([im_width / cols, im_height / rows, im_width / cols, im_height / rows]) # 边界框也等比例缩放
ss_boxes = (ss_boxes * scale_ratio).astype("int")
if gt_boxes is None:
return im, ss_boxes
gt_boxes = (gt_boxes * scale_ratio).astype("int")
return im, ss_boxes, gt_boxes def random_horizontal_flip(self, im: np.ndarray, ss_boxes: np.ndarray, gt_boxes: np.ndarray):
"""
随机水平翻转图像
:param im: 输入图像
:param ss_boxes: 推荐区域边界框
:param gt_boxes: 边界框真值
:return: 翻转后图像和边界框结果
"""
if random.uniform(0, 1) < self.prob_horizontal_flip:
rows, cols = im.shape[:2]
# 左右翻转图像
im = np.fliplr(im)
# 边界框位置重新计算
ss_boxes[:, 0] = cols - 1 - ss_boxes[:, 0] - ss_boxes[:, 2]
gt_boxes[:, 0] = cols - 1 - gt_boxes[:, 0] - gt_boxes[:, 2]
else:
pass
return im, ss_boxes, gt_boxes def random_vertical_flip(self, im: np.ndarray, ss_boxes: np.ndarray, gt_boxes: np.ndarray):
"""
随机垂直翻转图像
:param im: 输入图像
:param ss_boxes: 推荐区域边界框
:param gt_boxes: 边界框真值
:return: 翻转后图像和边界框结果
"""
if random.uniform(0, 1) < self.prob_vertical_flip:
rows, cols = im.shape[:2]
# 上下翻转图像
im = np.flipud(im)
# 重新计算边界框位置
ss_boxes[:, 1] = rows - 1 - ss_boxes[:, 1] - ss_boxes[:, 3]
gt_boxes[:, 1] = rows - 1 - gt_boxes[:, 1] - gt_boxes[:, 3]
else:
pass
return im, ss_boxes, gt_boxes def get_fdata(self):
"""
数据集准备
:return: 数据列表
"""
fdata = []
if self.shuffle:
random.shuffle(self.flist) for num in range(self.num_batch):
# 按照batch大小读取数据
cur_flist = self.flist[num * self.batch_size: (num + 1) * self.batch_size]
# 记录当前batch的图像/推荐区域标签/边界框/位置偏移
cur_ims, cur_labels, cur_ss_boxes, cur_offsets = [], [], [], []
for img_path, doc_path in cur_flist:
# 读取图像
img = io.imread(img_path)
# 读取边界框并堆积打乱框顺序
ss_info = pd.read_csv(doc_path, header=0, index_col=None)
ss_info = ss_info.sample(frac=1).reset_index(drop=True)
labels = ss_info.label.to_list()
ss_boxes = ss_info.iloc[:, 1: 5].values
gt_boxes = ss_info.iloc[:, 5: 9].values # 数据归一化
img = self.normalize(im=img)
# 随机翻转数据增强
img, ss_boxes, gt_boxes = self.random_horizontal_flip(im=img, ss_boxes=ss_boxes, gt_boxes=gt_boxes)
img, ss_boxes, gt_boxes = self.random_vertical_flip(im=img, ss_boxes=ss_boxes, gt_boxes=gt_boxes)
# 将图像缩放到统一大小
img, ss_boxes, gt_boxes = self.resize(im=img, im_width=self.im_width, im_height=self.im_height, ss_boxes=ss_boxes, gt_boxes=gt_boxes) # 计算最终坐标偏移值
offsets = self.calc_offsets(ss_boxes=ss_boxes, gt_boxes=gt_boxes) # 转换为tensor
im_tensor = torch.tensor(np.transpose(img, (2, 0, 1)))
ss_boxes_tensor = torch.tensor(data=ss_boxes) cur_ims.append(im_tensor)
cur_labels.extend(labels)
cur_ss_boxes.append(ss_boxes_tensor)
cur_offsets.extend(offsets) # 每个batch数据放一起方便后续训练调用
cur_ims = torch.stack(cur_ims)
cur_labels = torch.tensor(cur_labels)
cur_offsets = torch.tensor(np.array(cur_offsets))
fdata.append([cur_ims, cur_labels, cur_ss_boxes, cur_offsets])
return fdata def __len__(self):
# 以batch数量定义数据集大小
return self.num_batch def __iter__(self):
self.fdata = self.get_fdata()
self.index = 0
return self def __next__(self):
if self.index >= self.num_batch:
raise StopIteration
# 生成当前batch数据
value = self.fdata[self.index]
self.index += 1
return value
3. 模型训练
Fast RCNN的训练流程是：CNN获取特征图 → ROI_POOL提取候选区域特征 → 获取分类器和回归器结果 → 多任务损失参数调优。可知，Fast RCNN模型结构中需要依次实现图像特征提取器features、ROI池化、分类器classifier和回归器regressor，训练过程中需要构建多任务损失函数。下文详细介绍相关结构和代码。
3.1 Fast RCNN模型结构
3.1.1 特征提取器
本文中采用vgg16_bn作为模型特征提取器，直接调用torchvison.models中预训练模型即可，代码如下：
# 采用vgg16_bn作为backbone
self.features = models.vgg16_bn(pretrained=True).features
3.1.2 ROI 池化
ROI池化的作用是在特征图上进行候选区域特征的抽取，同时将抽取的特征缩放到固定大小，方便全连接层类型的分类器和回归器使用。其具体实现过程如下：
以本文介绍的Fast RCNN模型为例，其输入图像张量大小为 [3, 512, 512]，经过vgg16_bn特征提取得到输出feature维度为 [512, 16, 16]。过程中数据经过5次2*2的MaxPool，特征进行了32倍缩放，相应地原边界框位置和大小也会进行等比例缩放。
假设输入模型的某一边界框 ss_box = (50, 72, 260, 318)，经过等比例缩放后对应到特征图上的候选边界框 ss_box' = (50/32, 72/32, 260/32, 318/32) = (1.56, 2.25, 8.13, 9.94)。ss_box'值存在小数，此时的处理方法是直接向下取整，得到ss_box' = (1, 2, 8, 9）,也就是说特征图上对应的 roi_feature = features[:, 2: 2 + 9, 1: 1 + 8]，对应维度为 [512, 9, 8]。该特征是需要输入分类器和回归器的，由于两者是全连接层结构，输入特征尺寸是固定的，因此需要使用一定方法将其缩放到对应尺寸。本文直接采用 torch.nn.AdaptiveMaxPool2d进行缩放，当然你也可以采取其他方式，比如插值方法。
ROI池化具体实现代码如下：
def roi_pool(self, im_features: Tensor, ss_boxes: list):
"""
提取推荐区域特征图并缩放到固定大小
:param im_features: backbone输出的图像特征->[batch, channel, rows, cols]
:param ss_boxes: 推荐区域边界框信息->[batch, num, 4]
:return: 推荐区域特征
"""
roi_features = []
for im_idx, im_feature in enumerate(im_features):
im_boxes = ss_boxes[im_idx]
for box in im_boxes:
# 输入全图经过backbone后空间位置需进行缩放, 利用空间缩放比例将box位置对应到feature上
fx, fy, fw, fh = [int(p / self.spatial_scale) for p in box]
# 缩放后维度不足1个pixel, 是由于int取整导致, 仍取1个pixel防止维度为0
if fw == 0:
fw = 1
if fh == 0:
fh = 1
# 在特征图上提取候选区域对应的区域特征
roi_feature = im_feature[:, fy: fy + fh, fx: fx + fw]
# 将区域特征池化到固定大小
roi_feature = self.pool(roi_feature)
# 将池化后特征展开方便后续送入分类器和回归器
roi_feature = roi_feature.view(-1)
roi_features.append(roi_feature) # 转换成tensor
roi_features = torch.stack(roi_features)
return roi_features
其中
# 自适应最大值池化将推荐区域特征池化到固定大小
self.pool = nn.AdaptiveMaxPool2d((self.pool_size, self.pool_size))
3.1.3 分类器和回归器
分类器和回归器是全连接层结构，由于vgg16_bn输出通道为512，经过区域池化后特征长宽固定，因此将其定义如下：
# 分类器, 输入为vgg16的512通道特征经过roi_pool的结果
self.classifier = nn.Sequential(
nn.Linear(in_features=512 * self.pool_size * self.pool_size, out_features=32),
nn.ReLU(),
nn.Dropout(p=drop),
nn.Linear(in_features=32, out_features=num_classes)
) # 回归器, 输入为vgg16的512通道特征经过roi_pool的结果
self.regressor = nn.Sequential(
nn.Linear(in_features=512 * self.pool_size * self.pool_size, out_features=64),
nn.ReLU(),
nn.Dropout(p=drop),
nn.Linear(in_features=64, out_features=4)
)
3.2 多任务损失
Fast RCNN损失函数由分类损失（CrossEntropy Loss）和回归损失（SmoothL1 Loss）两部分构成。其中分类模型需要区分候选区域类别，以判定物体还是背景，因此需要对所有输出进行计算损失。回归模型只需要对物体边界框进行矫正，因此只计算非背景区域的损失。
多任务损失代码如下：
def multitask_loss(output: tuple, labels: Tensor, offsets: Tensor, criterion: list, alpha: float = 1.0):
"""
计算多任务损失
:param output: 模型输出
:param labels: 边界框标签
:param offsets: 边界框偏移值
:param criterion: 损失函数
:param alpha: 损失函数
:return:
"""
output_cls, output_reg = output
# 计算分类损失
loss_cls = criterion[0](output_cls, labels)
# 计算正样本的回归损失
output_reg_valid = output_reg[labels != 0]
offsets_valid = offsets[labels != 0]
loss_reg = criterion[1](output_reg_valid, offsets_valid)
# 损失加权
loss = loss_cls + alpha * loss_reg
return loss
3.3 训练代码
Fast RCNN无需RCNN那样分阶段的繁琐训练，直接同时训练特征提取器、分类器和回归器。
模型训练阶段代码如下：
# Train.py
import os
import matplotlib.pyplot as plt
import numpy as np
import torch
from torch import nn
from torch.optim.lr_scheduler import StepLR
from Utils import FastRCNN, GenDataSet
from torch import Tensor
from Config import * def multitask_loss(output: tuple, labels: Tensor, offsets: Tensor, criterion: list, alpha: float = 1.0):
"""
计算多任务损失
:param output: 模型输出
:param labels: 边界框标签
:param offsets: 边界框偏移值
:param criterion: 损失函数
:param alpha: 损失函数
:return:
"""
output_cls, output_reg = output
# 计算分类损失
loss_cls = criterion[0](output_cls, labels)
# 计算正样本的回归损失
output_reg_valid = output_reg[labels != 0]
offsets_valid = offsets[labels != 0]
loss_reg = criterion[1](output_reg_valid, offsets_valid)
# 损失加权
loss = loss_cls + alpha * loss_reg
return loss def train(data_set, network, num_epochs, optimizer, scheduler, criterion, device, train_rate=0.8):
"""
模型训练
:param data_set: 训练数据集
:param network: 网络结构
:param num_epochs: 训练轮次
:param optimizer: 优化器
:param scheduler: 学习率调度器
:param criterion: 损失函数
:param device: CPU/GPU
:param train_rate: 训练集比例
:return: None
"""
os.makedirs('./model', exist_ok=True)
network = network.to(device)
best_loss = np.inf
print("=" * 8 + "开始训练模型" + "=" * 8)
# 计算训练batch数量
batch_num = len(data_set)
train_batch_num = round(batch_num * train_rate)
# 记录训练过程中每一轮损失和准确率
train_loss_all, val_loss_all, train_acc_all, val_acc_all = [], [], [], [] for epoch in range(num_epochs):
# 记录train/val分类准确率和总损失
num_train_acc = num_val_acc = num_train_loss = num_val_loss = 0
train_loss = val_loss = 0.0
train_corrects = val_corrects = 0 for step, batch_data in enumerate(data_set):
# 读取数据
ims, labels, ss_boxes, offsets = batch_data
ims = ims.to(device)
labels = labels.to(device)
ss_boxes = [ss.to(device) for ss in ss_boxes]
offsets = offsets.to(device)
# 模型输入为全图和推荐区域边界框, 即[ims: Tensor, ss_boxes: list[Tensor]]
inputs = [ims, ss_boxes]
if step < train_batch_num:
# train
network.train()
output = network(inputs)
loss = multitask_loss(output=output, labels=labels, offsets=offsets, criterion=criterion)
optimizer.zero_grad()
loss.backward()
optimizer.step() # 计算每个batch分类正确的数量和loss
label_hat = torch.argmax(output[0], dim=1)
train_corrects += (label_hat == labels).sum().item()
num_train_acc += labels.size(0)
# 计算每个batch总损失
train_loss += loss.item() * ims.size(0)
num_train_loss += ims.size(0) else:
# validation
network.eval()
with torch.no_grad():
output = network(inputs)
loss = multitask_loss(output=output, labels=labels, offsets=offsets, criterion=criterion) # 计算每个batch分类正确的数量和loss和
label_hat = torch.argmax(output[0], dim=1)
val_corrects += (label_hat == labels).sum().item()
num_val_acc += labels.size(0)
val_loss += loss.item() * ims.size(0)
num_val_loss += ims.size(0) scheduler.step()
# 记录loss和acc变化曲线
train_loss_all.append(train_loss / num_train_loss)
val_loss_all.append(val_loss / num_val_loss)
train_acc_all.append(100 * train_corrects / num_train_acc)
val_acc_all.append(100 * val_corrects / num_val_acc)
print("Epoch:[{:0>3}|{}] train_loss:{:.3f} train_acc:{:.2f}% val_loss:{:.3f} val_acc:{:.2f}%".format(
epoch + 1, num_epochs,
train_loss_all[-1], train_acc_all[-1],
val_loss_all[-1], val_acc_all[-1]
)) # 保存模型
if val_loss_all[-1] < best_loss:
best_loss = val_loss_all[-1]
save_path = os.path.join("./model", "model.pth")
torch.save(network, save_path) # 绘制训练曲线
fig_path = os.path.join("./model/", "train_curve.png")
plt.subplot(121)
plt.plot(range(num_epochs), train_loss_all, "r-", label="train")
plt.plot(range(num_epochs), val_loss_all, "b-", label="val")
plt.title("Loss")
plt.legend()
plt.subplot(122)
plt.plot(range(num_epochs), train_acc_all, "r-", label="train")
plt.plot(range(num_epochs), val_acc_all, "b-", label="val")
plt.title("Acc")
plt.legend()
plt.tight_layout()
plt.savefig(fig_path)
plt.close()
return None if __name__ == "__main__":
if not os.path.exists("./data/ss"):
raise FileNotFoundError("数据不存在, 请先运行SelectiveSearch.py生成目标区域") device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = FastRCNN(num_classes=CLASSES, in_size=IM_SIZE, pool_size=POOL_SIZE, spatial_scale=SCALE, device=device)
exit(0)
criterion = [nn.CrossEntropyLoss(), nn.SmoothL1Loss()]
optimizer = torch.optim.Adam(params=model.parameters(), lr=LR)
scheduler = StepLR(optimizer, step_size=STEP, gamma=GAMMA) model_root = "./model"
os.makedirs(model_root, exist_ok=True) # 在生成的ss数据上进行预训练
train_root = "./data/ss"
train_set = GenDataSet(root=train_root, im_width=IM_SIZE, im_height=IM_SIZE, batch_size=BATCH_SIZE, shuffle=True) train(data_set=train_set, network=model, num_epochs=EPOCHS, optimizer=optimizer, scheduler=scheduler, criterion=criterion, device=device)
4. 模型预测
通过上述流程，训练好了Fast RCNN模型。可以输入图片对目标进行预测，但是有三点值得注意：
a. 模型输出包含分类和回归两部分结果，其中回归器输出为边界框的偏移值，需要利用偏移值对推荐区域位置先进性修正；
b. 模型输入被resize到了 [3, 512, 512] ，预测得到的边界框位置也是相对于缩放后图像，需要重新映射到原图中；
c. 预测结果中可能存在很多冗余边界框，需要设计去除。
4.1 预测边界框位置修正
2.2中已经介绍边界框偏移值是采用比例和对数方式计算，现在只需反向操作即可根据偏移值和推荐边界框计算出修正后的结果。
边界框位置修正代码如下：
def rectify_bbox(ss_boxes: np.ndarray, offsets: np.ndarray) -> np.ndarray:
"""
修正边界框位置
:param ss_boxes: 边界框
:param offsets: 边界框偏移值
:return: 位置修正后的边界框
"""
# 和Utils.GenDataSet.calc_offsets过程相反
ss_boxes[:, 0] = ss_boxes[:, 2] * offsets[:, 0] + ss_boxes[:, 0]
ss_boxes[:, 1] = ss_boxes[:, 3] * offsets[:, 1] + ss_boxes[:, 1]
ss_boxes[:, 2] = np.exp(offsets[:, 2]) * ss_boxes[:, 2]
ss_boxes[:, 3] = np.exp(offsets[:, 3]) * ss_boxes[:, 3]
boxes = ss_boxes.astype("int")
return boxes
4.2 预测边界框位置映射
模型输入数据是经过resize方式得到的，在边界框映射回原图时，也只需要计算缩放比例反向映射即可。
边界框位置映射代码如下：
def map_bbox_to_img(boxes: np.ndarray, src_img: np.ndarray, im_width: int, im_height: int):
"""
根据缩放比例将边界框映射回原图
:param boxes: 缩放后图像上的边界框
:param src_img: 原始图像
:param im_width: 缩放后图像宽度
:param im_height: 缩放后图像高度
:return: boxes->映射到原图像上的边界框
"""
rows, cols = src_img.shape[:2]
scale_ratio = np.array([cols / im_width, rows / im_height, cols / im_width, rows / im_height])
boxes = (boxes * scale_ratio).astype("int")
return boxes
4.3 非极大值抑制
和RCNN一样，Fast RCNN也通过ss方法产生大量的候选区域（~2k）。虽然分类器能够去除大量背景区域，但是仍然有较多的目标区域，会得较多的目标检测框。这些检测框大部分都是重叠的，需要进行筛选。非极大值抑制（Non-Maximum Supression，后续称之为 nms）就是一种候选框选取方法。
4.3.1 nms算法流程
非极大值抑制通过目标置信度对边界框进行筛选，其具体流程如下：
（1）初始化输出列表 out_bboxes = [ ]；
（2）获取输入边界框 in_bboxes 对应的目标类别置信度；
（3）将照置信度由高到低的方式对边界框进行排序；
（4）选取置信度最高的边界框 bbox_max，将其添加到 out_bboxes 中，并计算它与其他边界框的IoU结果；
（5）IoU大于阈值的表明两区域较为接近，边界框重叠性较高，将这些框和bbox_max从 in_bboxes 中移除；
（6）重复执行3~5过程，直到 in_bboxes 为空，此时 out_bboxes 即最终保留的边界框结果。
非极大值抑制的代码实现如下：
def nms(bboxes: np.ndarray, scores: np.ndarray, threshold: float) -> np.ndarray:
"""
非极大值抑制去除冗余边界框
:param bboxes: 目标边界框
:param scores: 目标得分
:param threshold: 阈值
:return: keep->保留下的有效边界框
"""
# 获取边界框和分数
x1 = bboxes[:, 0]
y1 = bboxes[:, 1]
x2 = bboxes[:, 0] + bboxes[:, 2] - 1
y2 = bboxes[:, 1] + bboxes[:, 3] - 1
# 计算面积
areas = (x2 - x1 + 1) * (y2 - y1 + 1)
# 逆序排序
order = scores.argsort()[::-1]
keep = []
while order.size > 0:
# 取分数最高的一个
i = order[0]
keep.append(bboxes[i]) if order.size == 1:
break
# 计算相交区域
xx1 = np.maximum(x1[i], x1[order[1:]])
xx2 = np.minimum(x2[i], x2[order[1:]])
yy1 = np.maximum(y1[i], y1[order[1:]])
yy2 = np.minimum(y2[i], y2[order[1:]])
# 计算IoU
inter = np.maximum(0.0, xx2 - xx1 + 1) * np.maximum(0.0, yy2 - yy1 + 1)
iou = inter / (areas[i] + areas[order[1:]] - inter)
# 保留IoU小于阈值的bbox
idx = np.where(iou <= threshold)[0]
order = order[idx + 1]
keep = np.array(keep)
return keep
4.3.2 nms结果
如下，左图为未采用nms边界框结果，右图为nms处理后结果，表明nms能够较好地去除冗余边界框。
4.4 预测代码
结合上述流程，可以完成Fast RCNN对目标的预测，其预测阶段代码如下：
# Predict.py
import os
import torch
import numpy as np
import skimage.io as io
from Utils import GenDataSet, draw_box
from torch.nn.functional import softmax
from SelectiveSearch import SelectiveSearch as ss
from Config import * def rectify_bbox(ss_boxes: np.ndarray, offsets: np.ndarray) -> np.ndarray:
"""
修正边界框位置
:param ss_boxes: 边界框
:param offsets: 边界框偏移值
:return: 位置修正后的边界框
"""
# 和Utils.GenDataSet.calc_offsets过程相反
ss_boxes = ss_boxes.astype("float32")
ss_boxes[:, 0] = ss_boxes[:, 2] * offsets[:, 0] + ss_boxes[:, 0]
ss_boxes[:, 1] = ss_boxes[:, 3] * offsets[:, 1] + ss_boxes[:, 1]
ss_boxes[:, 2] = np.exp(offsets[:, 2]) * ss_boxes[:, 2]
ss_boxes[:, 3] = np.exp(offsets[:, 3]) * ss_boxes[:, 3]
boxes = ss_boxes.astype("int")
return boxes def map_bbox_to_img(boxes: np.ndarray, src_img: np.ndarray, im_width: int, im_height: int):
"""
根据缩放比例将边界框映射回原图
:param boxes: 缩放后图像上的边界框
:param src_img: 原始图像
:param im_width: 缩放后图像宽度
:param im_height: 缩放后图像高度
:return: boxes->映射到原图像上的边界框
"""
rows, cols = src_img.shape[:2]
scale_ratio = np.array([cols / im_width, rows / im_height, cols / im_width, rows / im_height])
boxes = (boxes * scale_ratio).astype("int")
return boxes def nms(bboxes: np.ndarray, scores: np.ndarray, threshold: float) -> np.ndarray:
"""
非极大值抑制去除冗余边界框
:param bboxes: 目标边界框
:param scores: 目标得分
:param threshold: 阈值
:return: keep->保留下的有效边界框
"""
# 获取边界框和分数
x1 = bboxes[:, 0]
y1 = bboxes[:, 1]
x2 = bboxes[:, 0] + bboxes[:, 2] - 1
y2 = bboxes[:, 1] + bboxes[:, 3] - 1
# 计算面积
areas = (x2 - x1 + 1) * (y2 - y1 + 1)
# 逆序排序
order = scores.argsort()[::-1]
keep = []
while order.size > 0:
# 取分数最高的一个
i = order[0]
keep.append(bboxes[i]) if order.size == 1:
break
# 计算相交区域
xx1 = np.maximum(x1[i], x1[order[1:]])
xx2 = np.minimum(x2[i], x2[order[1:]])
yy1 = np.maximum(y1[i], y1[order[1:]])
yy2 = np.minimum(y2[i], y2[order[1:]])
# 计算IoU
inter = np.maximum(0.0, xx2 - xx1 + 1) * np.maximum(0.0, yy2 - yy1 + 1)
iou = inter / (areas[i] + areas[order[1:]] - inter)
# 保留IoU小于阈值的bbox
idx = np.where(iou <= threshold)[0]
order = order[idx + 1]
keep = np.array(keep)
return keep def predict(network, im, im_width, im_height, device, nms_thresh=None, save_name=None):
"""
模型预测
:param network: 模型结构
:param im: 输入图像
:param im_width: 模型输入图像宽度
:param im_height: 模型输入图像长度
:param device: CPU/GPU
:param nms_thresh: 非极大值抑制阈值
:param save_name: 保存文件名
:return: None
"""
network.eval()
# 生成推荐区域
ss_boxes_src = ss.cal_proposals(img=im)
# 数据归一化
im_norm = GenDataSet.normalize(im=im)
# 将图像缩放固定大小, 并将边界框映射到缩放后图像上
im_rsz, ss_boxes_rsz = GenDataSet.resize(im=im_norm, im_width=im_width, im_height=im_height, ss_boxes=ss_boxes_src, gt_boxes=None)
im_tensor = torch.tensor(np.transpose(im_rsz, (2, 0, 1))).unsqueeze(0).to(device)
ss_boxes_tensor = torch.tensor(ss_boxes_rsz).to(device) # 模型输入为[img: Tensor, ss_boxes: list(Tensor)]
inputs = [im_tensor, [ss_boxes_tensor]] with torch.no_grad():
outputs = network(inputs) # 计算各个类别的分类得分
scores = softmax(input=outputs[0], dim=1)
scores = scores.cpu().numpy() # 获取位置偏移
offsets = outputs[1]
offsets = offsets.cpu().numpy()
# 根据模型计算出的offsets对推荐区域边界框位置进行修正
out_boxes = rectify_bbox(ss_boxes=ss_boxes_rsz, offsets=offsets)
# 将边界框位置映射回原始图像
out_boxes = map_bbox_to_img(boxes=out_boxes, src_img=im, im_width=im_width, im_height=im_height) # 边界框筛选
predicted_boxes = []
for i in range(1, CLASSES):
# 获取当前类别目标得分
cur_obj_scores = scores[:, i]
# 只选取置信度满足阈值要求的预测框
idx = cur_obj_scores >= CONFIDENCE_THRESH
valid_scores = cur_obj_scores[idx]
valid_out_boxes = out_boxes[idx] # 遍历物体类别, 对每个类别的边界框预测结果进行非极大值抑制
if nms_thresh is not None:
used_boxes = nms(bboxes=valid_out_boxes, scores=valid_scores, threshold=nms_thresh)
else:
used_boxes = valid_out_boxes
# 可能存在值不符合要求的情况, 需要剔除
for j in range(used_boxes.shape[0]):
if used_boxes[j, 0] < 0 or used_boxes[j, 1] < 0 or used_boxes[j, 2] <= 0 or used_boxes[j, 3] <= 0:
continue
predicted_boxes.append(used_boxes[j]) draw_box(img=im, boxes=predicted_boxes, save_name=save_name)
return None if __name__ == "__main__":
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model_path = "./model/model.pth"
model = torch.load(model_path, map_location=device) test_root = "./data/"
for roots, dirs, files in os.walk(test_root):
for file in files:
if not file.endswith(".jpg"):
continue
save_name = file.split(".")[0]
im_path = os.path.join(roots, file)
im = io.imread(im_path)
predict(network=model, im=im, im_width=IM_SIZE, im_height=IM_SIZE, device=device, nms_thresh=NMS_THRESH, save_name=save_name)
4.5 预测结果
如下为Fast RCNN在花朵数据集上预测结果展示，左图中当同一图中存在多个相同类别目标且距离较近时，边界框并没有很好地检测出每个个体。
三、算法缺点
相较于RCNN算法，Fast RCNN算法极大的缩短了检测时间，但是整个过程仍需要使用ss方法生成候选区域，总体时间消耗仍然不适用于实时检测任务。
四、数据和代码
本文中数据和详细工程代码实现请移步：https://github.com/jchsun1/Fast-RCNN
Reference：
本文结束，祝君好运。
【目标检测】Fast R-CNN算法实现的更多相关文章
- CVPR目标检测与实例分割算法解析：FCOS（2019），Mask R-CNN（2019），PolarMask（2020）
CVPR目标检测与实例分割算法解析:FCOS(2019),Mask R-CNN(2019),PolarMask(2020)1. 目标检测:FCOS(CVPR 2019)目标检测算法FCOS(FCOS: ...
- 【目标检测】Faster RCNN算法详解
Ren, Shaoqing, et al. “Faster R-CNN: Towards real-time object detection with region proposal network ...
- 【目标检测】基于传统算法的目标检测方法总结概述 Viola-Jones | HOG+SVM | DPM | NMS
"目标检测"是当前计算机视觉和机器学习领域的研究热点.从Viola-Jones Detector.DPM等冷兵器时代的智慧到当今RCNN.YOLO等深度学习土壤孕育下的GPU暴力美 ...
- 数据挖掘、目标检测中的cnn和cn---卷积网络和卷积神经网络
content 概述 文字识别系统LeNet-5 简化的LeNet-5系统 卷积神经网络的实现问题 深度神经网路已经在语音识别,图像识别等领域取得前所未有的成功.本人在多年之前也曾接触过神经网络.本系 ...
- 第三十一节，目标检测算法之 Faster R-CNN算法详解
Ren, Shaoqing, et al. “Faster R-CNN: Towards real-time object detection with region proposal network ...
- 目标检测-Faster R-CNN
[目标检测]Faster RCNN算法详解 Ren, Shaoqing, et al. “Faster R-CNN: Towards real-time object detection with r ...
- 深度学习-09(目标检测:Object Detection)
文章目录 目标检测(Object Detection) 一 .基本概念 1. 什么是目标检测 2. 目标检测的核心问题 3. 目标检测算法分类 4. 目标检测应用 目标检测原理 1.候选区域产生 1 ...
- 使用SlimYOLOv3框架实现实时目标检测
介绍 人类可以在几毫秒内在我们的视线中挑选出物体.事实上,你现在就环顾四周,你将观察到周围环境并快速检测到存在的物体,并且把目光回到我们这篇文章来.大概需要多长时间? 这就是实时目标检测.如果我们能让 ...
- 目标检测 anchor 理解笔记
anchor在计算机视觉中有锚点或锚框,目标检测中常出现的anchor box是锚框,表示固定的参考框. 目标检测的任务: 在哪里有东西 难点: 目标的类别不确定.数量不确定.位置不确定.尺度不确定 ...
- CVPR2019目标检测论文看点：并域上的广义交
CVPR2019目标检测论文看点:并域上的广义交 Generalized Intersection over Union Generalized Intersection over Union: A ...
随机推荐
- 记录一些不知道哪里冒出来的 idea（可能已存在）
2022/7/4 给定一张 \(n\) 个点的有权无向图和 \(m\) 个关键点,求其生成树满足每个点到离它最近的关键点的距离之和最小. 输出该生成树边权和. 加强一下: 给出一个 \(N\) 个点 ...
- 基因 ID 匹配利器
一.背景 对于每个生物信息分析的人来说,ID 匹配(映射)是一项非常常见,但又很繁琐的任务.假设,我们有一个来自上游分析的 gene symbol 或报告的 ID 列表,然后我们的下一个分析却需要使用 ...
- 解决google翻译出错问题
解决google翻译问题 一.为什么失效 因为google把google翻译的API给关闭了,导致翻译不了. 据网上说是服务器耗钱,但盈利不够导致的. 二.可修复的前提 国内还存有服务器可以用API ...
- 用声明式宏解析 Rust 语法之 enum parser
上一篇用声明式宏解析 Rust 语法 我们的 "macro parser" 解析了 function 和 struct, 这篇来尝试 parse 一下更复杂的 enum 为什么说 ...
- 前端vue地图定位并测算当前定位离目标位置距离可用于签到打卡
前端vue地图定位并测算当前定位离目标位置距离可用于签到打卡, 下载完整代码请访问uni-app插件市场地址: https://ext.dcloud.net.cn/plugin?id=12974 效果 ...
- 如何从AWS中学习如何使用AWS的AmazonDynamoDB存储卷
目录 引言 随着云计算.大数据和人工智能等技术的发展,AWS(亚马逊云)成为了备受瞩目的云计算平台之一.AWS提供了许多先进的云计算服务和功能,包括Amazon DynamoDB(Amazon Dyn ...
- 微信小程序 - 视图与逻辑
[黑马程序员前端微信小程序开发教程,微信小程序从基础到发布全流程_企业级商城实战(含uni-app项目多端部署)] https://www.bilibili.com/video/BV1834y1676 ...
- 《最新出炉》系列入门篇-Python+Playwright自动化测试-8-上下文（Context）
1.简介 其实前边的文章中也提到过Context,只不过是 一笔带过,但是宏哥觉得在playwright中挺重要的,所以宏哥今天单独将其拎出来讲解和分享一下,希望对您有所帮助或者参考. 2.前言 Pl ...
- Stable Diffusion修复老照片-图生图
修复老照片的意义就不多说了,相信大家都明白,这里直接开讲方法. 1.原理 这个方法需要一个真实模型,以便让修复的照片看起来比较真实,我这里选择:realisticVisionV20,大家有更好的给我推 ...
- Mariadb取24小时数据--九五小庞
Mariadb是一种常用的关系型数据库管理系统.在进行实时数据处理时,我们常常需要查询最近24小时的数据来进行分析和处理.下面我们将介绍如何使用MySQL查询最近24小时的数据. SELECT * F ...