当前位置:首页 > 热点 > 正文

短讯!2023.4.18看SSD

1、【2.1SSD算法理论】 https://www.bilibili.com/video/BV1fT4y1L7Gi/?share_source=copy_web&vd_source=1e6f2281c23ca69b18df2d7768310983

2、【2.2 SSD源码解析(Pytorch)】 https://www.bilibili.com/video/BV1vK411H771/?share_source=copy_web&vd_source=1e6f2281c23ca69b18df2d7768310983


(相关资料图)

笔记

【2.1SSD算法理论】

1、SSD和FCOS的区别:FCOS的特征层涉及特征融合;SSD的特征层没有特征融合。

2、SSD和Faster-RCNN的区别:Faster-RCNN生成回归参数时针对每一个类别生成,对于每一个框生成4*c个;SSD生成回归参数时不考虑类别,对于每一个框生成4个回归参数。

3、SSD正样本选取:(1)对每一个GT box找IOU最大的default box作为正样本;(2)对每一个default box,如果其与任意一个GT box的IOU的值大于0.5则认为为正样本。

4、SSD负样本选取:对除正样本之外的default box计算highest confidence loss(越大表示越有可能被记为正样本?),根据值最大的和正负样本比例控制在1:3来选取负样本。

【2.2 SSD源码解析(Pytorch)】

1、SSD源码使用介绍

(1)Backbone:主干网络用Resnet50而不是VGG16,且只用Resnet50的conv1-conv4,并将conv4的卷积步距设为1*1大小的。

(2)使用BN结构

(3)使用NVIDIA DALI library(用GPU对数据进行预处理,提高数据预处理的速度)(有的训练时发现GPU使用率低就是因为数据预处理是用CPU,导致GPU运行完上一个step时,CPU还没准备好下一个step的数据)

(4)混合精度(TF32 ,TF16)(不太懂,数据类型?)

为啥B站上有用Pytorch搭建SSD训练自己的数据集,有Pytorch搭建EfficientNet训练自己的数据集,就是没有FCOS的,这算不算因为菜push大佬出教程。

但是,深度学习小白拿到毕设题目表示真的很需要这样一个教程,干啥都迷迷糊糊,想嘎。

标签:

推荐阅读