当前位置: 首页 > news >正文

一个网站如何优化免费观看电视剧软件

一个网站如何优化,免费观看电视剧软件,用服务器ip做网站,大型网站开发心得DETR见解 DETR#xff08;Detection Transformer#xff09;是一种端到端的目标检测模型#xff0c;由Facebook AI Research#xff08;FAIR#xff09;于2020年提出。DETR采用了Transformer架构#xff0c;与传统的基于区域的目标检测方法有所不同#xff0c;它通过全…DETR见解 DETRDetection Transformer是一种端到端的目标检测模型由Facebook AI ResearchFAIR于2020年提出。DETR采用了Transformer架构与传统的基于区域的目标检测方法有所不同它通过全局上下文来预测图像中的目标而无需使用先前的候选框或区域建议网络。整个DETR可以分为四个部分分别是backbone、encoder、decoder以及predictionheads。基本思想是首先用cnn抽取图像特征拿到每一个patch对应的向量并加上位置编码。然后用transformer encoder学习全局特征帮助后面做检测。接着将encoder的输出作为tranformer deoder的输入同时还输入了一个对象查询。对象查询按我的理解就是它生成一个查询分量q和前面encoder传进来的k和v做一个交互生成很多预测框。然后把预测框和真实框做匹配询问框内是否包含目标然后在匹配上的这些框里面计算loss进而向后传播。接着就是预测头的建立最后生成预测结果。所以整个DETR网络的工作就是特征提取--特征加强--特征查询--预测结果 建议使用云服务器进行操作如果本机没有GPU或者显存资源不充足情况下 一、代码拉取 官方GitHub直接搜索即可 改进版代码私信发送资源免费主要原因就是资源绑定不成功  :(  哭泣哭泣 论文文章顶部下载 二、环境准备 解压代码进入主目录 安装对应包 pip install -r requirements.txt 三、数据集准备 数据集下载 数据集建议准备VOC格式或者是COCO格式。GitHub上官方使用数据集格式为coco格式 其实不论是yolo格式或者是VOC格式他们之间都可以通过代码去转换。 建议在训练前随机抽取几张图片和标签查看标注是否准确无误。 推荐数据集CCTSDB_VOC_数据集-飞桨AI Studio星河社区 推荐数据集水果分类目标检测VOC数据集_数据集-飞桨AI Studio星河社区 数据集加载 导入数据集之后查看数据集是否包括JPG和XML以及train.txt、val.txt、test.txt 使用运行test.py生成一个存在于主目录下的train.txt和test.txt。这样我们就设置完成训练集和测试集的加载路径了。 四、模型训练 参数修改 打开detr.py和train.py  里面有相关参数我们可以进行设置其中包括冻结训练层数以及解冻层数这个是比较重要的。 detr.py参数  train.py参数修改 其中预训练权重文件可以选择resnet50或者是resnet101可自行修改 五、训练结果可视化 运行get_map.py生成loss、Map、recall等如果不懂可以具体了解一下模型评估的几个参数 5.1模型评估参数介绍 1. 精确率Precision​ 定义在所有被模型预测为正类即存在目标的样本中实际为正类的比例。 公式​ PrecisionTrue Positives (TP)False Positives (FP)) / True Positives (TP) 解释 TPTrue Positive​模型正确预测了目标的边界框和类别。 FPFalse Positive​模型错误地预测了目标的边界框或类别例如将背景误判为目标。 意义高精确率意味着模型在预测目标时较少出现误报。 2. 召回率Recall​ 定义在所有实际为正类的样本中被模型正确预测为正类的比例。 公式​ RecallTrue Positives (TP) / (True Positives (TP)False Negatives (FN)) 解释​ FNFalse Negative​模型未能检测到实际存在的目标。 意义​高召回率意味着模型能够检测到更多的真实目标减少漏检。 3. 平均精度Average Precision, AP​ 定义在不同置信度阈值下精确率和召回率的综合表现通常以AP[IoU阈值]表示如AP0.5。 计算方法​ 对每个类别根据预测的置信度从高到低排序。 计算不同置信度阈值下的精确率和召回率。 绘制精确率-召回率曲线Precision-Recall Curve。 计算曲线下的面积Area Under Curve, AUC即AP。 意义​AP综合考量了模型在不同置信度下的精确率和召回率是评估目标检测模型性能的重要指标。 4. 平均精度均值Mean Average Precision, mAP​ 定义在多个类别上计算的平均AP值。 公式​ mAPN1∑i1NAPi 其中N 是类别的总数APi 是第 i 个类别的AP值。 常见变体​ mAP[IoU阈值]​如mAP0.5表示IoU阈值为0.5时的平均精度均值。 mAP[0.5:0.95]​在IoU阈值从0.5到0.95步长为0.05范围内计算的平均mAP更全面地评估模型性能。 意义​mAP综合考虑了所有类别的性能是目标检测任务中最常用的综合评估指标。 5. 交并比Intersection over Union, IoU​ 定义预测边界框与真实边界框之间的重叠程度。 公式​ IoUArea of UnionArea of Overlap 解释​ IoU值范围在0到1之间值越大表示预测框与真实框的重叠程度越高。 常用IoU阈值如0.5、0.75来判断预测框是否正确。 意义​IoU用于评估单个预测框的准确性是计算TP、FP和FN的基础。 6. 其他相关指标​ F1分数F1-Score精确率和召回率的调和平均数用于平衡两者。 F12×PrecisionRecallPrecision×Recall 每秒帧数Frames Per Second, FPS​模型推理速度适用于实时检测任务。 GFLOPsGiga Floating Point Operations​模型的计算复杂度影响推理速度和硬件需求。 Instances 的含义 定义 Instances 指的是当前批次Batch中所有图像中真实存在的目标对象数量的总和​。 六、模型调优 yolo相关参数介绍链接(https://docs.ultralytics.com/zh/modes/train/#train-settings)​ 可以参考里面的参数介绍来进行调优
http://www.pierceye.com/news/213753/

相关文章:

  • 网站服务器打不开爱站工具网
  • php网站接口开发wordpress添加作者
  • 网站建设漂亮的模板创新网站建设工作
  • 国内做服装的网站有哪些方面wordpress邮件订阅
  • 建立个人网站主题安徽省建设厅网站打不开
  • 做互联网小程序 和网站有没有前景广州网站制作教程
  • 新网网站内部优化wordpress菜单图标
  • 深圳市龙华区住房和建设局网站网站开发连接数据库
  • 做张家界旅游网站多少钱做网站的步骤 优帮云
  • 怎么建立一个好公司网站网站模版参考
  • 成都大型网站设计公司怎么快速建设小型外贸网站
  • 建设工程规范在哪个网站发布河南网络推广培训
  • 深圳宝安上市公司网站建设报价石家庄教育学会网站建设
  • 上海 专业网站建设网络推广公司收费标准
  • 网站建设维护的知识wordpress调用多张产品图片
  • 网站的静态资源服务器怎么做上海加盟网站建设
  • 网站数据库如何做小游戏网页版入口
  • 做php网站教程视频国产长尾关键词拘挖掘
  • 网站首页置顶是怎么做网站运营专员做什么
  • 福建嘉瑞建设工程有限公司网站wordpress密码字典
  • 网站开发答辩设计预期目标卓进网站
  • 整站优化要多少钱番禺建设网站哪个好
  • 汕尾手机网站设计广州建设网站外包
  • discuz 做论坛与网站wordpress一键 centos
  • 网站推广智选刺盾云下拉老鹰网营销型网站建设
  • 摄像机怎么在自己家网站做直播python网站开发招聘
  • 府网站建设先进个人网站产品数据库
  • 美食网站设计网站手机商城图片
  • 广州网站开发 细致广州亦客网络sql注入网站建设百度云
  • 株洲网站设计外包首选每个网站都有后台吗