SSD，全称Single Shot MultiBox Detector，是Wei Liu在ECCV 2016上提出的一种目标检测算法，截至目前是主要的检测框架之一，相比Faster RCNN有明显的速度优势，相比YOLO又有明显的mAP优势（不过已经被CVPR 2017的YOLO9000超越）在VOC2007上，SSD300比Faster R-CNN的FPS高了6.6倍在VOC2007上，SSD3
转载
2023-06-19 16:23:30
313阅读
SSD全称为Single Shot MultiBox Detector，为one-stage的目标检测算法。与two-stage的目标检测算法不同，SSD完全消除了Proposal的生成过程，将所有的计算统一到一个Network中。并且，其在不同尺度的feature maps上输出bounding boxes，以此来应对目标检测中物体尺寸大小不一的问题。与同为one-stage目标检测的Yolo
转载
2023-11-19 10:28:26
115阅读
amdegroot/ssd.pytorch 代码来源一、vgg基础网络网络的backbone是v
原创
2023-05-18 17:21:19
141阅读
文章目录1. 什么是SSD目标检测算法2. 源码下载3. SSD实现思路一、预测部分1、主干网络介绍2、从特征获取预测结果3、预测结果的解码4、在原图上进行绘制二、训练部分1、真实框的处理2、利用处理完的真实框与对应图片的预测结果计算loss4. 训练自己的ssd模型1. 什么是SSD目标检测算法SSD是一种非常优秀的one-stage目标检测方法，one-stage算法就是目标检测和分类是同时完成的，其主要思路是利用CNN提取特征后，均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，
转载
2021-06-18 14:10:17
1702阅读
文章目录0. 版权声明1. 什么是SSD目标检测算法2. 源码下载3. SSD实现思路一、预测部分1、主干网络介绍2、从特征获取预测结果3、预测结果的解码4、在原图上进行绘制二、训练部分1、真实框的处理2、利用处理完的真实框与对应图片的预测结果计算loss4. 训练自己的ssd模型
0. 版权声
转载
2022-01-07 17:19:07
1267阅读
# SSD PyTorch: 目标检测的新起点
]( 是一种在精度和速度方面都表现出色的目标检测算法。本文将介绍 SSD 的 PyTorc
原创
2023-12-17 09:17:49
29阅读
之前使用 Tensorflow Detection API 训练 SSD 网络，改里边的 depth_multiplier 参数使网络层数降低，确实可以提高推理速度，但是因为该 API 训练的网络里有一个定制的操作符TFLite_Detection_PostProcess 不能在GPU上运行，导致推理时
转载
2023-06-19 16:20:11
188阅读
之前有个关于解决SSD错误的博客，虽然针对错误贴出了解决方法还是有一群人没解决问题，有可能是不同的问题出现了相同的错误，那我这次直接自己重新复现一边吧，之前的找不到了，再贴下链接：https://github.com/amdegroot/ssd.pytorch 环境：CUDA9.0、cudnn7.0.5、python3、pytorch1.1.0 其实这个项目的错误里面已经给出了你有可能遇到的重要错
转载
2023-11-10 00:27:21
130阅读
pytorch建立mobilenetV3-ssd网络并进行训练与预测前言Step1：搭建mobilenetV3-ssd网络框架需要提前准备的函数和类。mobilenetV3_large调用mobilenetV3的ssd网络Step2：训练训练数据预处理(VOC形式的dbb数据)数据检测编写训练程序step3:预测 前言这篇文章记录的是我在公司实习用深度学习做车辆信息识别项目时，用来做车辆检测的算
转载
2024-01-02 11:15:19
113阅读
论文地址：（ECCV 2016 oral） SSD: Single Shot MultiBox Detectorarxiv.org 笔者读论文的学习笔记，本人水平有限，如有错误，请指出。码字不易，如果您觉得写得不错，请点个赞，谢谢。SSD关键点：one-stage，可以end-to-end训练比YOLOv1快且精准度高，比Faster R-CNN精度略低多尺度：多个feature
转载
2023-12-12 11:31:19
77阅读
这篇博客记录我在学习《深度学习之PyTorch物体检测实战》一书中关于SSD（Single Shot Multibox Detecor）这一算法的理解，以及pytorch代码的解读。 pytorch复现代码链接：https://github.com/dongdonghy/Detection-PyTorch-Notebook/tree/master/chapter5/ssd-pytorch 虽然本篇
转载
2023-12-20 15:45:49
34阅读
Transformer 对IMDB进行文本情感分类 （基于Pytorch的保姆级教程，无预训练模型，从头搭建transformer） 数据下载定义配置编写dataLoadertransformer模型代码编写训练结果展示数据读取和处理结果训练过程输出训练过程的信息 编写的起因来自于网上大部分的blog要么只介绍了transformer的架构，但是缺乏数据处理的部分；要么实现的库过于陈旧以至于经常
https://towardsdatascience./learning-note-single-shot-multibox-detector-with-pytorch-part-1-38185e84bd79 https://towardsdatascience./learning-no
原创
2022-01-17 16:55:03
107阅读
一、背景当前深度学习通用目标检测框架分为两大类： SSD的出现是在16年，YOLOv1之后，YOLOv2之前，既然都是one-stage的算法，SSD的出现必然和YOLOv1比试一番。YOLOv1和SSD的主要区别就是，YOLOv1只利用了末端特征图信息，SSD则利用了最后几层特征图综合起来的信息，所以，从理论上说，SSD比YOLOv1的准确度必定更高。二、SSD算法是什么首先说明卷积的
转载
2023-12-15 05:51:31
37阅读
# PyTorch YOLO v3 换网络 SSD
## 简介
在计算机视觉领域，目标检测是一个非常重要的任务。YOLO（You Only Look Once）和 SSD（Single Shot MultiBox Detector）是两个常用的目标检测算法。本文将介绍如何使用 PyTorch 实现 YOLO v3 和 SSD，并对比这两种算法的特点。
## YOLO v3
YOLO v3 是一
原创
2023-07-29 14:03:23
203阅读
使用opencv 加载训练好的SSD模型# 文件下载地址
# deploy.prototxt.txt：
# https://github.com/opencv/opencv/tree/master/samples/dnn/face_detector
# res10_300x300_ssd_iter_140000.caffemodel：
# https://github.com/Shiva4
转载
2023-06-07 16:03:48
197阅读
目录下载数据集训练代码修改config.py新建cancer.py作为数据读入__init__文件ssd.pytrain.pymultibox_loss.py验证eval.py代码修改爬坑实录！使用Colab 对于一个小白，想对自己数据的训练实在不容易，花了好几天时间，翻阅了很多资料，在此做个总结。 我的环境是windows+cpu，没有N卡！本文并将讲解用Colab进行训练 默认已配置好Pyt
算法简介 算法原理 样本构造 损失函数 使用细节 # ssd算法： ##简介刘伟在2016年提出，发表在ECCV；是一种通过直接回归的方式去获取目标类别和位置的one-stage算法，不需要proposal；作用在卷积网络的输出特征图上进行预测，而且是不同尺度，因此能够保证检测的精度，图像的分辨率也比较低，属于端到端的训练；input->CNN->Lreg,LclsCNN特征
转载
2023-06-19 16:18:21
119阅读
SSD算法的全名是Single Shot MultiBox Detector，Single shot指明了SSD算法属于one-stage方法，MultiBox指明了SSD是多框预测。对于Faster R-CNN，先通过CNN得到候选框，然后进行分类和回归，而YOLO和SSD可以一步完成检测，SSD的特点是：SSD提取了不同尺度的特征图来做检测，大尺度特征图可以用来检测小物体，而小特征图用来检测大
转载
2023-11-09 21:44:22
57阅读
之前，对SSD的论文进行了解读，为了加深对SSD的理解，因此对SSD的源码进行了复现，主要参考的github项目是ssd.pytorch。同时，我自己对该项目增加了大量注释：https://github.com/Dengshunge/mySSD_pytorch搭建SSD的项目，可以分成以下四个部分：
数据读取；
网络搭建；
损失函数的构建；网络测试接下来，本篇博客重点分析网络测试。 在e
转载
2024-01-07 10:13:22
200阅读
