pytorch

自建跌倒数据集训练的跌倒检测，准确率95%以上。 直接上图吧。欢迎私信交流

目前SSD和YOLO是工业界使用最多的两种检测器。最近整理了一下自己实现的SSD,YOLOV3和YOLOV5推理代码，项目虽然是基于OpenCV实现的，但是由于使用的是onnx模型，所以代码可以很容易移

内容导读 PyTorch 1.9 同步更新了一些库，包括 TorchVision 中新增的 SSD 和 SSDlite 模型，与 SSD 相比，SSDlite 更适用于移动端 APP 开发。 SSD 全

目录 前言 一、验证集重新划分 二、数据重采样 1.Update image weights ​ 3.Focal loss 4.更改模型 前言 本次主要是基于YOLOV5为baseline来解决样本不均衡的问题，来提

MMdetection之necks之FPN 其横向为 1X1 的卷积，向下为 上采样 Specifically, for ResNets [16] we use the feature activations output by

一、安装 Detectron2 初次接触 Detectron2 的话，可能安装会遇到些坑，大家可以按下面的方式逐步安装，基本不会有什么问题。如果用到别的数据库的话，安装对应的api就可以

1. Fater RCNN检测网络下载 网络学习视频 [源码地址]https://github.com/bubbliiiing/faster-rcnn-pytorch 2. FLIR 数据集准备 数据集的具体格式和内容请看 FLIR数据集

2022.1.27日的记录 今天开始用faster-rcnn（resnet50）来训练数据集。同时也在学习能量检测法。（仅仅是知道该怎么训练） faster-rcnn代码：

参考：https://xugaoxiang.com/2020/07/02/yolov5-training/ 数据下载(如带没带口罩)：https://public.roboflow.com/ 软硬件环境 ubu

看了下CAM（class activation mapping）相关文章，想着自己搞一下YOLOV5  最后输出的三层head的feature map可视化，好像有点效果。 输出的三张热力