Bounding-Box-Prediction-from-Scratch-using-PyTorch

使用PyTorch从零开始进行边界框预测 这里的重点更多地放在如何读取图像及其边界框，正确调整大小和执行增强上，而不是模型本身上。 目的是要很好地掌握对象检测背后的基本概念，您可以扩展这些概念以更好地理解更复杂的技术，例如YOLO。 1.数据集 调整图像和边框的大小 *将边界框转换为与其对应的图像相同大小的图像（称为蒙版）。 此蒙版的背景只有0，边框所覆盖的区域只有1。 *使用.xml文件中的信息将蒙版调整为所需尺寸。 *从调整大小后的蒙版中提取边界框坐标！[CNN Architecture]（ss.png）3.数据增强*我使用了翻转，旋转，中心裁剪和随机裁剪。 ！[CNN建筑]（bt.png） 4.PyTorch模型对于该模型，我使用了一个非常简单的经过预训练的resNet-34模型。 由于我们要在此处完成两项任务，因此需要最后两层-边界框回归器和图像分类器。