原创 TensorFlow object detection API中的COCO驗證方式說明
'DetectionBoxes_Precision/mAP': mean average precision over classes averaged over IOU thresholds ranging from .5 to .95
原创 ubuntu16.04系統run方式安裝nvidia顯卡驅動
原文鏈接:https://blog.csdn.net/xunan003/article/details/81665835 參考博客:https://blog.csdn.net/xunan003/
原创 VOC數據集提取自己需要的類
注: (1)以下代碼VOC2007,VOC2012數據集均可用。 (2)提取自己的類別時,修改classes列表中的值即可。 # -*- coding: utf-8 -*- import os import shutil #以下路徑爲
原创 tensorflow版目標檢測模型訓練,控制檯輸出信息
相關代碼在tensorflow源碼中: site-packages\tensorflow\contrib\slim\python\slim\learning.py中 def train()--------->負責程序運行整體流程 ...
原创 TensorFlow Object Detection API模型函數解析
1、trainer.py (1)tf.train.Saver()函數:保存的檢查點文件個數 tf.train.Saver.__init__( var_list=None, reshape=False, sharded=False,
原创 TensorFlow Object Detection API跑項目內部隱含模型
跑隱含模型,其預訓練模型並沒有在官網公佈,需要重頭開始訓練 步驟: 1、複製同類配置文件,修改其中的特徵提取網絡名稱,並註釋掉加載預訓練權重的代碼 2、在python安裝目錄下的object_detection下,修改builders
原创 TensorFlow Object Detection API-問題解決
1.搭建faster_rcnn_inception_resnet_v2_atrous_lowproposals_coco時遇到的問題 (1)沒有同名配置文件問題 解決辦法: 從models/research/object_detectio
原创 COCO數據集轉VOC(預訓練)
注:本代碼可用於提取coco數據集中的某些類,也可用於提取coco數據集中的全部類別。 一、下載coco數據集 官網:http://cocodataset.org/#download。根據需要下載對應的數據集。 二、安裝pycocoto
原创 基於深度學習的目標檢測(object detection)技術演進
參考文章:https://www.cnblogs.com/skyfsm/p/6806246.html RCNN->SppNET(空間金字塔池化)->Fast-RCNN->Faster-RCNN 1、Pre-train 與 Fine-tun
原创 使用python中的os.walk()的遍歷文件夾
1、假入我們有以下文件結構: a -> b -> 1.txt -> 2.txt c d 4.txt 5.txt 2、使用os.walk
原创 使用python3對csv文件進行讀寫
1、這裏以一個例子進行說明,下圖是文件夾結構: 2、以下代碼是讀取以上5255_1文件夾中的各子文件夾中的文件數目,並將路徑和數目寫入test.csv文件: import os import csv path = "5255_1"
原创 Ubuntu16.04添加全新硬盤的操作方法
由於原有的電腦硬盤只有256G,有些不夠用,所以新增加2T硬盤來進行擴展,ubuntu跟windows不一樣,將硬盤安裝在主機上之後,還需要對其進行掛載+授權。 操作方法: 1、輸入以下命令查看系統硬盤分區情況: sudo fdisk
原创 ubuntu16.04切換自帶python以及anaconda虛擬環境下python
使用alias來對每個python版本重新命別名,終端調用別名即可進入相應python,具體操作如下: 1、編輯環境 sudo gedit ~/.bashrc 在打開的編輯器末尾輸入以下紅字內容: # added by Anacond
原创 各版本的anaconda下載地址
官方下載地址(所有版本都可下載):https://repo.continuum.io/archive/ anaconda python版本對應關係: