0%

发表于 更新于 分类于 阅读次数：
本文字数： 830 阅读时长 ≈ 1 分钟

2019年6月5日 下午12:16

2019年10月20日 下午9:48
faster R-CNN中anchors 的生成过程（generate_anchors源码解析）

重要知识点中的[R-CNN]cs231n_2019_lecture12.pdf

  1. 这里面有两个重要的知识点，重点讲解其中的Anchor的概念，另一个Roi(regin object interest)
    1. 应为在tracker中， SiamRPN系列文章可以说是来源与R-CNN，其中的这个Anchor更是一提再提
  2. Anchor
    1. 这个概念来源于：Insert Region Proposal Network (RPN) to predict proposals from features，目的是使用CNN来预测proposal，来提高速度和准确率
    2. 定义：
      1. Imagine an anchor box of fixed size at each point in the feature map
        1. 他就是一个矩形框
        2. 并且长宽是超参数，不能改
    3. Box transforms
      1. 是一个与每一个anchor对应的概念
      2. 定义：
        1. For positive boxes, also predict a transformation from the anchor to the ground-truth box (regress 4 numbers per pixel)
        2. 这里一定要注意是针对 positive boxes，也就是只有被判断为正样本的anchor才有Box transforms
        3. 这样做原因：我们现在通过anchor这个矩形区域可以大致判断是可以选为proposel，但是这个anchor并不是最准确的，那么我们就要学习一下在已知anchor对应的point是positive之后，周围哪些transforms是更好的。
    4. 为了考虑更多的情况，我们一般选取多个(K个) anchor，当然就会导致更多的Box transforms
    5. Anchor可以为Box transforms的种子
  3. 最后结果：
    1. 整体上看FasterR-CNN:就有4个loss

发表于 更新于 分类于 阅读次数：
本文字数： 314 阅读时长 ≈ 1 分钟

2019年6月5日 下午12:16

2019年11月14日 下午10:45
追踪的评价指标讲解(摘抄)

2019年11月1日 下午4:33
pysot中比较有价值的issue

2019年9月2日 下午1:59
GOTURN

知识点：
Bounding box regression
FasterR-CNN(object-detection)
打印：相关滤波法 难点

pysot
SiamRPN系列文章
Mac下使用商汤pysot

总结：
tracking 总结：刚刚接触时的内容，留恋

其他项目：
MDNet
github项目：vehicle-dsm运行

目标检测：

2019年7月26日 下午7:45
混合编程原理 + darknet + yolo3
使用Yolo3在GPU上训练自己打标签的数据

发表于 更新于 分类于 阅读次数：
本文字数： 206 阅读时长 ≈ 1 分钟

2019年6月5日 上午11:20

快速了解一篇深度学习论文核心概念的技巧：

::准备：一定要提醒自己以自己的思路为主，从论文中找描述来作为自己思路的血肉::

第一步:

  1. ::学的是什么？::也就是motivation
    1. 这个直接从论文中找到原句，找到最让你理解的
  2. 学习到的东西如何解决你的问题？
    1. 这个需要自己去理解了motivation之后自己回答

      第二步：这部分也是从论文中直接找

  3. 你是如何构建网络去学的？
  4. 输入、输出的具体格式是啥？

发表于 更新于 分类于 阅读次数：
本文字数： 1.1k 阅读时长 ≈ 1 分钟

2019年6月4日 下午11:35

我认为MDNet就是在R-CNN上进行更改的，核心有两个

  1. Motivation1是明确问题思路，Motivation2是简化问题
  2. 与R-CNN的区别：
    1. 由于是一个跟踪问题，他可以在线更新模型
    2. Motivation1明确了自己网络模型学习的对象：某种追踪的共性

我认为的一个缺点：

  1. MDNet在训练的过程中(输入输出)没有使用视频的上下帧之间的关系，帧之间的关系是浪费了
    1. Box regression

Project Webpage：

Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

翻译：

小网络自训练跟踪算法MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking - 知乎

  1. Motivation
    1. 所有的跟踪目标，虽然类别各不相同，但其实他们应该都存在某种共性，这是需要网络去学的。
      1. 这个模型中所指的共性：::输入的condition是目标还是背景的在所有训练集数据中的共性::
    2. 在跟踪问题中，一个网络只需要分两类：目标和背景。而且目标一般都相对比较小，那么其实不需要这么大的网络，会增加计算负担
  2. 网络在线更新策略
  3. 目标跟踪
    1. 采样256个candidates
    2. 输出是一个二维的向量，分别表示输入的bounding box是目标和背景的概率
    3. 最后得到的candidate其实不是直接作为目标，还要做一部bounding box regression

Python版本：

GitHub - HyeonseobNam/py-MDNet: MDNet PyTorch implementation

  1. 使用cpu版本：
    1. Support CPU Mode · Issue #11 · HyeonseobNam/py-MDNet · GitHub
  2. MDNet视频目标跟踪源码运行笔记（Python 2.7版本）——Training and then testing模式 - 越野者的博客 - CSDN博客

MatLab版：

GitHub - HyeonseobNam/MDNet: Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

运行参数：

1
2
3
python tracking_only/run_tracker.py -s dataset_rectify_lib_ball -d

python tracking_only/run_tracker.py -s DragonBaby -d

发表于 更新于 分类于 阅读次数：
本文字数： 1.5k 阅读时长 ≈ 1 分钟

2019年6月4日 下午3:35

三次成功挑战目标跟踪算法极限，商汤开源SiamRPN系列算法

GitHub - STVIR/pysot: SenseTime Research platform for single object tracking, implementing algorithms like SiamRPN and SiamMask.

安装环境：

1
2
3
4
5
6
pip install torch pyyaml yacs tqdm colorama matplotlib cython tensorboardX

python tools/demo.py \
    --config experiments/siamrpn_r50_l234_dwxcorr/config.yaml \
    --snapshot experiments/siamrpn_r50_l234_dwxcorr/model.pth \
    --video demo/bag.avi

注意：请教 · Issue #16 · STVIR/pysot · GitHub
python setup.py build_ext --inplace

每次必执行：

否则：ModuleNotFoundError: No module named ‘pysot’
export PYTHONPATH=/Users/czh/tracker/pysot:$PYTHONPATH

siamrpn_r50_l234_dwxcorr:35fps

1
2
3
4
python tools/demo.py \
    --config experiments/siamrpn_r50_l234_dwxcorr/config.yaml \
    --snapshot experiments/siamrpn_r50_l234_dwxcorr/model.pth \
    --video demo/dataset_rectify_lib_ball/left

siamrpn_alex_dwxcorr:180pfs

1
2
3
4
python tools/demo.py \
    --config experiments/siamrpn_alex_dwxcorr/config.yaml \
    --snapshot experiments/siamrpn_alex_dwxcorr/model.pth \
    --video demo/dataset_rectify_lib_ball/left

siammask_r50_l3:56pfs

1
2
3
4
python tools/demo.py \
    --config experiments/siammask_r50_l3/config.yaml \
    --snapshot experiments/siammask_r50_l3/model.pth \
    --video ../data/dataset_rectify_lib_ball/left

siamrpn_mobilev2_l234_dwxcorr:75fps

1
2
3
4
python tools/demo.py \
    --config experiments/siamrpn_mobilev2_l234_dwxcorr/config.yaml \
    --snapshot experiments/siamrpn_mobilev2_l234_dwxcorr/model.pth \
    --video demo/dataset_rectify_lib_ball/left

发表于 更新于 分类于 阅读次数：
本文字数： 552 阅读时长 ≈ 1 分钟

2019年6月2日 上午10:21

正确的编译和执行方法：

  1. localhost:code czh$ mpicc mpi_hello_world
  2. localhost:code czh$ mpiexec -n 4 ./a.out
    MPI mpirun execvp error: no such file or directory - Stack Overflow

教程

A Comprehensive MPI Tutorial Resource · MPI Tutorial

安装路径

1
2
3
Warning: mpich dependency gcc was built with a different C++ standard
library (libstdc++ from clang). This may cause problems at runtime.
🍺  /usr/local/Cellar/mpich/3.3_1: 883 files, 14.8MB

mpicc

1
2
localhost:~ czh$ which mpicc
/usr/local/bin/mpicc

mpiexec

1
2
localhost:code czh$ which mpiexec
/usr/local/bin/mpiexec

发表于 更新于 分类于 阅读次数：
本文字数： 229 阅读时长 ≈ 1 分钟

2019年5月30日 下午1:21
cs231n 课程作业 Assignment 1 - 张小彬的专栏 - CSDN博客

  1. 整理了一下课程提供的学习资料
    欢迎来到实力至上主义的CS231n教室（一） 机器学习基础 - 知乎
  2. 这篇我觉得讲的很模糊
    笔记：CS231n+assignment1（作业一） - 亦轩Dhc - 博客园
  3. 这篇写的代码逻辑清晰，容易理解

Stanford University CS231n: Convolutional Neural Networks for Visual Recognition