@wxp_5adf 不嫌棄的話，可以到知乎逛，我后續(xù)都在那邊玩了~
源碼解析目標檢測的跨界之星DETR（六）、模型輸出與預測生成Date: 2020/07/19 Coder: CW Foreword: 本文是該系列的最后一篇，解析的源碼內(nèi)容包括如何將模型輸出轉(zhuǎn)化為預測結(jié)果以及評估驗證過程，在該系列前面...
發(fā)簡信
IP屬地：廣東
-
-
@Zz強 麻煩去知乎follow下，我后續(xù)都在那邊玩了~
源碼解析目標檢測的跨界之星DETR（四）、Detection with Transformer
Date: 2020/07/25 Coder: CW Foreword: 本文是該系列的重點之一，通過對DETR中Transformer部分的代碼解析，你就會知道Transf...
-
@傅華濤 比如特征圖大小是(h,w) 你可以在網(wǎng)絡中分別設置可學習的參數(shù) nn.Parameter(h, embedd_dim), 和 nn.Parameter(w, embedd_dim) 對應行、列編碼，其中 embedd_dim 代表需要對每個位置需要嵌入的維度；也可以使用 nn.Embedding()，同理。
具體在我的這篇 http://www.itdecent.cn/p/1d93cde5581a 有詳細講述，請問是不是這里看不了？如果不嫌棄可以follow我知乎號(和這里的同名)，然后看 “源碼解析目標檢測的跨界之星DETR（三）”這篇文章Transformer 修煉之道（一）、Input Embedding
Attention is All You Need[https://arxiv.org/pdf/1706.03762.pdf] Date: 2020/06/12 Author...
-
@Diligence_6155 DETR復現(xiàn)..滿滿的金錢味道啊
源碼解析目標檢測的跨界之星DETR（六）、模型輸出與預測生成
Date: 2020/07/19 Coder: CW Foreword: 本文是該系列的最后一篇，解析的源碼內(nèi)容包括如何將模型輸出轉(zhuǎn)化為預測結(jié)果以及評估驗證過程，在該系列前面...
-
@wush 你是不熟悉 Detectron2 框架吧..
可以先去了解下
Sparse R-CNN: 青出于藍的R-CNN家族新晉小生，稀疏交互機制 & No RPN & No NMS = E2E
Date: 2020/01/11 Coder: CW Foreword: 這段時間的paper不是E2E(End-to-End)就是Transformer，什么都拿Trans...
-
@loovelj 謝謝支持，如不嫌棄，可以follow我知乎號(和簡書號同名)，后續(xù)會在那邊更新多些
EAST 算法超詳細源碼解析（六）、模型訓練
Date: 2020-06-04 Author: CW 前言： 有了該系列前面幾篇的內(nèi)容作為鋪墊，是時候“行動”起來了！只有將模型成功訓練出好的效果，才能證明算法是正確的。當...
-
@不吃草的 詳情可看第一篇
源碼解析目標檢測的跨界之星DETR（六）、模型輸出與預測生成
Date: 2020/07/19 Coder: CW Foreword: 本文是該系列的最后一篇，解析的源碼內(nèi)容包括如何將模型輸出轉(zhuǎn)化為預測結(jié)果以及評估驗證過程，在該系列前面...
-
@Volare 回歸是全部樣本都會回歸，但是計算loss時僅對正樣本計算。
EAST 算法超詳細源碼解析（四）、損失函數(shù)
Date: 2020/05/19 Author: CW 前言： EAST 的損失函數(shù)由三部分構(gòu)成，對應預測輸出的三個map——score map、loc map 以及 ang...
-
@21_c781 是什么錯誤呢？源碼都是跑過的
源碼解析目標檢測的跨界之星DETR（一）、概述與模型推斷
Date: 2020/06/27 Author: CW 前言： 閱讀了 DETR 的論文后，近期梳理了相關代碼，本系列會結(jié)合源碼對 DETR 進行解析，包含模型效果的簡單演示...
-
這是一個類，從第i個圖__init__的部分開始就是
源碼解析目標檢測的跨界之星DETR（一）、概述與模型推斷
Date: 2020/06/27 Author: CW 前言： 閱讀了 DETR 的論文后，近期梳理了相關代碼，本系列會結(jié)合源碼對 DETR 進行解析，包含模型效果的簡單演示...
-
@15494dc321b1 謝謝支持 感恩！??
源碼解析目標檢測的跨界之星DETR（五）、loss函數(shù)與匈牙利匹配算法
Date: 2020/07/17 Coder: CW Foreword: 本文將對 loss函數(shù)的實現(xiàn)進行解析，由于 DETR 是預測結(jié)果是集合的形式，因此在計算loss的時...
-
@learnering 謝謝支持啦～??
源碼解析目標檢測的跨界之星DETR（一）、概述與模型推斷
Date: 2020/06/27 Author: CW 前言： 閱讀了 DETR 的論文后，近期梳理了相關代碼，本系列會結(jié)合源碼對 DETR 進行解析，包含模型效果的簡單演示...
-
怎麼扯到RNN去了???
Sparse R-CNN: 青出于藍的R-CNN家族新晉小生，稀疏交互機制 & No RPN & No NMS = E2E
Date: 2020/01/11 Coder: CW Foreword: 這段時間的paper不是E2E(End-to-End)就是Transformer，什么都拿Trans...
-
CornerNet: 將目標檢測問題視作關鍵點檢測與配對前言 CornerNet于2019年3月份提出，CW近期回顧了下這個在當時引起不少關注的目標檢測模型，它的亮點在于提出了一套新的方法論——將目標檢測轉(zhuǎn)化為對物體成對關鍵點(角...
-
@tjuquentin 客氣，很高興能幫助到你，感謝支持！
源碼解析目標檢測的跨界之星DETR（六）、模型輸出與預測生成
Date: 2020/07/19 Coder: CW Foreword: 本文是該系列的最后一篇，解析的源碼內(nèi)容包括如何將模型輸出轉(zhuǎn)化為預測結(jié)果以及評估驗證過程，在該系列前面...
-
github上不去？試試這招
Date: 2021/02/22 Author: CW Foreword: 相信大家都遇見過github上不去或者很慢才能顯示出頁面的情況，通常是由于節(jié)點ip選擇得不夠好導致...
-
Deformable DETR: 基于稀疏空間采樣的注意力機制，讓DCN與Transformer一起玩！Date: 2021/02/02 Coder: CW Foreword: DETR提出后，Transformer就被帶到目標檢測這邊玩起來了，而且還玩出各種花樣，你看，這不就...
-
@只知有網(wǎng)不知有魚 真的很迷 我自己推了下感覺不到任何道理?? paper也沒有說
代碼閱讀-deformable DETR （四）
接下來我們來看下deformable detector的總體構(gòu)造： 這里面值得注意的點： 對于檢測而言，分類分支與回歸分支結(jié)構(gòu)不同，分類分支直接一個線性層，回歸分支采用了3層...