1.我从coco数据集提取了12个类，数据集制作好了
2.更改了configs中fasterrcnn的类别数
，更改了coco.py里的
和mmdet\core\evaluation\class_names.py中的
3.重新编译
4.执行命令 python .\tools\train.py .\configs\faster_rcnn\faster_rcnn_r101_fpn_1x_coco.py
版权声明：本文为CSDN博主「故乡的云和星星」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_39328536/article/details/122416024
Small Object Detection using Context and Attention 论文阅读笔记 出处：2021 International Conference on Artificial Intelligen
Feature Pyramid Networks 对于Faster Rcnn使用FPN，cocoAP提升2.3个点，pascalAP提升3.8个点 1*1的conv，调整通道数，原论文中
mmdetection中使用训练好的模型单张图片推理并保存到文件夹 one_image_demo.py# Copyright (c) OpenMMLab. All rights reserved. import asyncio import
NMS 基本过程 当前的物体检测算法为了保证召回率，对于同一个真实物体往往会有多于 1 个的候选框输出。由于多余的候选框会影响检测精度，因此需要利用 NMS 过滤掉重叠的候选框，得到最佳的预测输出
暂无评论