Redian新闻
>
如何train small object detection
avatar
如何train small object detection# Programming - 葵花宝典
F*r
1
现在冬天越来越冷了。每次洗澡的时候都冻的得得瑟瑟。家里开空调了,但是没办法,
房间太大,热气不足以让人感到不冷从水里出来。
想买一款加热器,专门放在浴室里的。在costco买了一个,回来一看,上面标着不能在
浴室使用。只好退了。想问问大家如果买过加热器的,是在哪买的?什么牌子的好用?
谢谢大家分享。天气太冷,我无论如何也要买一个了。
avatar
s*e
2
群里牛人多,想上来请教个问题,可能只是个很初级的问题
最近用fasterRCNN train一个模型,需要把face和人的上半身找出来
现在是用了VOC2007的所有数据,加上28k张含有上班身和face的labeled数据(tightly
cropped)
结果train出来基本只能准确识别VOC2007的所有object, face和上半身基本看不到,
如果把threshold调低,那么false positive会太高
但是如果只用face和上半身的数据,对单个人检测就没有问题。对多人检测就是乱七八
糟。
这个一般是什么问题?现在需要一个model就要做到face和上半身,而且一定要一秒钟
最少能处理10张(1080TI好像勉强,感觉jetson就够呛了)
avatar
l*m
3
这个不是什么新问题了。看看这篇
Is Faster R-CNN Doing Well for Pedestrian Detection?
还有RCNN 对feature extractor要求高,如果是用resnet-101,准确率十分高

tightly

【在 s*****e 的大作中提到】
: 群里牛人多,想上来请教个问题,可能只是个很初级的问题
: 最近用fasterRCNN train一个模型,需要把face和人的上半身找出来
: 现在是用了VOC2007的所有数据,加上28k张含有上班身和face的labeled数据(tightly
: cropped)
: 结果train出来基本只能准确识别VOC2007的所有object, face和上半身基本看不到,
: 如果把threshold调低,那么false positive会太高
: 但是如果只用face和上半身的数据,对单个人检测就没有问题。对多人检测就是乱七八
: 糟。
: 这个一般是什么问题?现在需要一个model就要做到face和上半身,而且一定要一秒钟
: 最少能处理10张(1080TI好像勉强,感觉jetson就够呛了)

avatar
s*e
4
谢谢!我先去看看这篇文章
还是不知道怎么样能把人的上半身train出来,或者不用CNN有别的办法?
用resnet101确实比VGG16要好,如果只用pedestrian含有上半身和头部的label,28k张
图片(每张只有一个人,tightly cropped,基本都有头部和上半身的label),train
出来,VGG16 train出来的training set都偶尔会有false positive,但是RESNET101就
基本全对
但是VGG16,在1080TI下面能做到一秒12-15张, RESNET就7-9张图片
把RPN和ROI pooling这两块出新feature map的地方放松参数增加
proposal会好点?

【在 l*******m 的大作中提到】
: 这个不是什么新问题了。看看这篇
: Is Faster R-CNN Doing Well for Pedestrian Detection?
: 还有RCNN 对feature extractor要求高,如果是用resnet-101,准确率十分高
:
: tightly

avatar
C*5
5
速度不行可以试试TensorRT加速

tightly

【在 s*****e 的大作中提到】
: 群里牛人多,想上来请教个问题,可能只是个很初级的问题
: 最近用fasterRCNN train一个模型,需要把face和人的上半身找出来
: 现在是用了VOC2007的所有数据,加上28k张含有上班身和face的labeled数据(tightly
: cropped)
: 结果train出来基本只能准确识别VOC2007的所有object, face和上半身基本看不到,
: 如果把threshold调低,那么false positive会太高
: 但是如果只用face和上半身的数据,对单个人检测就没有问题。对多人检测就是乱七八
: 糟。
: 这个一般是什么问题?现在需要一个model就要做到face和上半身,而且一定要一秒钟
: 最少能处理10张(1080TI好像勉强,感觉jetson就够呛了)

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。