- 博客(754)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 论文阅读: 1903.PotraitNet
2019.03.007：PortraitNet: Real-time portrait segmentation network for mobile device四大创新点：轻量级：轻量级的实时人像分割U型架构，可以有效地在移动设备上运行：边界损失（boundary loss）：边界的label来自对分割gt的canny算子的输出。设置线宽为4。因为边界占据图像很小的部分，为了避免极度的样本不均衡，所以用的是focal loss。一致性损失（consistency
2021-09-06 02:21:31
231
原创 论文阅读: 1808.BiSeNet
1808.00897：BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation创新点提出了 2-path 的 Bilateral Segmentation Network (BiSeNet)，context path来编码不同感受野和不同尺度的高级语义信息（即high-level feature），spatial path来编码丰富的细节空间信息（即low-level feature），融合后得到预测结果
2021-09-06 02:15:14
163
原创 论文阅读: 1802.Deeplabv3+
1802.02611：Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation属于典型的DilatedFCN，它是Google提出的DeepLab系列的第4弹。创新点在DeepLab v3上的基础上增加了一个Decoder。Decoder将底层特征与高层特征进一步融合，提升分割边界准确度。从某种意义上看，DeepLabv3+在DilatedFCN基础上引入了EcoderDecode
2021-09-06 02:09:24
308
原创 论文阅读: 1712.BSN
论文针对肖像分割（Portrait Segmentation）。四大创新点提出了BSNet：三个trick：个体边缘敏感算子。全局边缘敏感算子。边缘敏感属性分类器。Boundary-sensitive Network for Portrait Segmentation论文解读...
2021-09-06 02:02:20
144
原创 论文阅读: 1706.Deeplabv3
1706.05587：Rethinking Atrous Convolution for Semantic Image Segmentation三大改进点去掉CRF模块。改进了ASPP：相比V2的ASPP增加了1x1的conv以及global avg pooling。对ASPP每个空洞卷积加入了BN层。在级联模块中应用空洞卷积：将空洞卷积应用在最后面的级联模块，框架可以更通用。论文中的级联模块指复制了四份block4，这四份分别使用不同rate的空洞卷积，最终blo
2021-09-06 01:59:03
153
原创 论文阅读: 1705.DRN
1705.09914：Dilated Residual Networks使用扩张卷积替换模型中的下采样，保持feature map的空间分辨率同时不降低后续卷积层的接收野的分辨率，实验证明这样简单转换是有效的：DRN结构没有了resnet最后的两次下采样，也就是说，特征图在28x28的大小之后就不再变小了。不再减小特征图尺寸，那么就要增加卷积核的膨胀系数。可以看到，DRN没有后两次下采样（在本该第四次采样的卷积过程中将膨胀系数改成2，在本该第五次采样的卷积过程中将膨胀系数改成4，均能保持相同的
2021-09-06 01:55:20
123
原创 论文阅读: 1611.RefineNet
1611.06612：RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation创新点提出基于Resnet的残差连接的思想设计的RefineNet（提炼网络），可以充分利用各个层级的features，使得语义分割更为精准。作者认为高级语义特征可以更好地进行分类识别，而低级别视觉特征有助于生成清晰、详细的边界。residual connections（identity map
2021-09-06 01:49:57
120
原创 论文阅读: 1606.Deeplabv2
1606.00915：DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs两大创新点：ASPP受SPPNet启发，新提出空间金字塔池化 Atous Spatial Pyramid Pooling（ASPP）（类似于SPPNet的空间金字塔结构），并行的采用多个采样率的空洞卷积提取特征，再将特征融合：能够用多尺度获得
2021-09-06 01:45:35
160
原创 论文阅读: 1511.SegNet
1511.00561：SegNet: A Deep ConvolutionalEncoder-Decoder Architecture for ImageSegmentation只是结构上比较优雅，它得到的结果不一定比FCN好：
2021-09-06 01:40:47
130
原创 论文阅读: 1505.UNet
1505.04597：U-Net: Convolutional Networks for Biomedical Image SegmentationU-net：对称语义分割模型该网络模型：一个收缩路径 + 一个对称扩张路径。收缩路径用来获得上下文信息，对称扩张路径用来精确定位分割边界。非常经典的结构：...
2021-09-06 01:37:50
89
原创 论文阅读: 1505.DeconvNet
1505.04366：Learning Deconvolution Network for Semantic Segmentation结构设计完全对称的结构：有种自编码器的感觉在里面，先编码再解码。这样的结构主要使用了反卷积和上池化。即： 而上池化的实现主要在于池化时记住输出值的位置，在上池化时再将这个值填回原来的位置，其他位置填0即OK。...
2021-09-06 01:31:37
118
原创 论文阅读: 1412.Deeplabv1
1412.7062：Semantic Image Segmentation with Deep ConvolutionalDeeplab系列是很成熟优雅的结构，以至于现在的很多改进是基于这个网络结构的进行的。 受制于当时的basemodel发展水平，DeepLabv1仅使用VGGNet进行实验。创新点提出了一种新的卷积：空洞卷积（Atrous Convolution）：解决的痛点：普通的卷积和池化层会导致最终的特征图极小，特征图经过上采样再输出成分割结果，这样的上采样就有些“放大过度”了。
2021-09-06 01:27:02
233
原创 论文阅读: 1411.FCN
1411.4038：Fully Convolutional Networks for Semantic Segmentation深度学习应用于图像语义分割的开山之作（难免效果很糙），CVPR2015 Best Paper。创新点卷积化（Convolutional）: 丢弃全连接，换成卷积层。（已变成了固定结构）分类使用的网络通常会在最后连接几层全连接层，它会将原来二维的矩阵（图片）压扁成一维的，从而丢失了空间信息，最后训练输出一个标量（分类标签）。而图像语义分割的输出需要是个分割图，且
2021-09-06 01:12:34
100
原创 【leetcode】分治/动态规划/贪心/递归/迭代
算法策略分治：自顶向下，分而治之。常用递归。动态规划（DP）：类似于分治，但会存储每个子问题的解，避免重复计算。常用迭代。贪心：类似于DP，但每步都求局部最优。计算次数往往会比DP少。凡是用贪心能解决的，DP都能解决。实现手段递归：A调用A自身。所有的递归都可以转化成迭代。迭代：A循环调用B，并不断更新变量的旧值。...
2020-05-31 17:15:35
550
原创 【leetcode】八皇后
代码实现：class solution(object): def solveNQueens(self, n): self.helper([-1]*n, 0, n) def helper(self, columnPosition, rowindex, n):#ding # print(rowindex) if rowindex == n: self.printSolution(columnPosition, n)
2020-05-31 17:07:12
459
原创 【leetcode】剪绳子
动态规划def cut(n): if n < 2: return 0 elif n == 2: return 1 elif n == 3: return 2 else: lst = [0, 1, 2, 3] for i in range(4, n+1): max = 0 for j in range(1, i//2+1):
2020-05-31 16:37:58
296
原创 【leetcode】背包问题
思路一般用动态规划（DP）。输入参数W:各个物品的重量；V:各个物品的价值；carry:最大承重为carry的背包；N：物品件数。0-1背包每件物品只能选一次。def bag_01(V, W, carry, N): res = [0] * (carry+1) for i in range(N): for j in range(carry, W[i]-1, -1): res[j] = max(res[j], res[j-W[i]
2020-05-31 16:35:29
383
原创 【python】面向对象的三大特征（封装、继承、多态）
继承子类直接继承一个父类（基类），包括父类的所有属性和函数。多态同一个函数在多个类中都有（可能实现方法各有不同），最后哪个类作为传入对象，就调用谁家的该函数。封装：隐藏实现过程，只提供现成的调用接口给外部。...
2020-05-17 18:44:43
278
原创 【python】快排的三种实现
def quick_sort(x, low, high): if len(x) <= 1 or low >= high: return x base, l, r = x[low], low, high while l < r: while l < r and x[r] >= base: r...
2020-04-28 09:07:16
301
原创 【tensorflow】tensor相关
tensor是如何命名的Tensorflow中，tensor的名字是op的名字加上 :0 （如果有多个，这又会有 :1 、:2 。。。。）打印所有nodefor n in tf.get_default_graph().as_graph_def().node: print(n.name)...
2020-04-24 13:45:36
186
原创 【tensorflow】模型加载
net.load vs saver.restore.load() 只能加载.npy文件，.restore() 只能加载 ckpt（checkpoint）文件。net.load 会增加assign节点一定会改图，所以要在 sess.graph.finalize() 之前。 saver.restore 不会改图，可以放到 sess.graph.finalize() 之后。Assign节点只会在...
2020-04-24 13:44:40
411
原创 【tensorflow】直接读取图片
Tensorflow通过tf.gfile.FastGFile(filename,’rb’).read()读取的图像，是图像的原始数据，还需要经过解码，才能获取图像的数据，数据的格式为RGB(三通道图像)，这一点是与Opencv不同。Tensorflow提供了对jpeg和png格式图片的解码函数，例如“decode_jpeg”对jpeg格式的图片进行解码，使用encode_jpeg编码，将图像...
2020-04-24 13:43:12
414
原创 【python】import注意事项
尽量不要这么写：from lib import *可能会导致重复压入。而且万一遇上重命名，就会出现覆盖而导致的出错。所以最好避免这种写法。
2020-04-24 13:34:10
234
原创 【Linux】通过设置镜像目录来扩容本地存储空间
通过设置镜像目录来扩容本地存储空间：在对应磁盘上新建要用来存储的文件夹：sudo mkdir /home/磁盘名称/用户名指定文件夹的拥有者：sudo chown -R 用户名:users /home/磁盘名称/用户名创建从存储文件夹到本地镜像目录的软链接：ln -s /home/磁盘名称/用户名 ~/镜像目录...
2020-04-24 13:33:10
231
原创 【tensorflow】node相关
tf中的op就是node。所有tensorflow操作，都会生成tf node。打印所有node：for n in tf.get_default_graph().as_graph_def().node: print(n.name)train时的graph往往会比test时的graph多很多node（例如：tf预处理操作，甚至包括读tfrecord）。但是output node在tra...
2020-04-24 11:28:19
521
原创 【图像处理】反色
定义反色又叫补色。例如：黑与白、红与青等。反色是与原色叠加可以变为白色的颜色，即用白色（RGB：255，255，255）减去原色的颜色。比如（RGB：255，0，0）的反色是（0，255，255）。实验原图：代码：import cv2def reverse_color(img): img = 255 - img.copy() return imgif __...
2020-04-19 15:35:07
3514
原创 python多进程打印进度条
import timefrom tqdm import tqdmimport multiprocessing as mpdef pickle_process(_class, *args): return _class.proc_func(*args)class OP(): def __init__(self): self.length = 64 ...
2020-04-18 21:24:23
4872
2
原创 python多进程写同一个list/dict
python2下的写法import timefrom tqdm import tqdmimport multiprocessing as mpdef picklable_op(_class, *args): """ 多进程之间要使用pickle来序列化并传递一些数据。 由于py2下实例方法并不能像py3一样直接被pickle。 所以需要对多进程对象进行封...
2020-04-18 21:19:03
7885
2
原创 【tensorflow】显示pb文件的graph
import tensorflow as tffrom tensorflow.python.platform import gfilepb_file = ‘xxx/xxx/xxx.pb’pb_log_dir = ‘xxx/xxx/log/’def show_pb_graph(): graph = tf.get_default_graph() graph_def = ...
2020-04-06 09:26:30
484
原创 【tensorflow】shape与ndim
获取shapeimport tensorflow as tftensor = tf.placeholder(dtype=tf.float32, shape=[200, 200, 3])print('\n=========== get shape ============')print('tensor : ', tensor)print('tenso...
2020-03-28 10:42:11
1526
原创 【linux】ls指令
参数参数作用l以长格式显示，即列出文件详细信息s降序排列h将文件大小转为我们习惯的M、K等为单位的大小t按修改时间对文件进行排序，默认是最近修改的在前r对结果逆序常用操作按文件大小排序降序：ls -lsh升序：ls -lrsh按文件修改时间查看文件降序：ls -lt升序：ls -lrt参考文献[1] l...
2020-03-23 19:36:14
414
原创 【tensorflow】tf.name_scope与tf.variable_scope区别
共同点作用域函数 包括：命名域：tf.name_scope()变量域：tf.variable_scope()对于使用 tf.Variable()方式创建的变量，具有相同的效果。即：都会在变量名称前面，加上域名称。都可用于：变量共享tensorboard画流程图进行可视化封装变量但是，tf.Variable() 每次都会新建变量。如果希望重用（共享）一些变量，必须用到...
2020-03-22 15:14:37
326
原创 【tensorflow】feed操作
feed array1：预设placeholder：self.xxx = tf.placeholder(dtype=tf.float32, shape=[xxx, xxx], name='xxx')2：喂numpy.ndarray格式的矩阵进去：xxx = sess.run(self.xxx, feed_dict={self.xxx: xx_array})feed variable...
2020-03-22 14:57:14
284
原创 查看磁盘情况
查看各块硬盘的整体占用情况：df -h查找文件夹下的超大文件：find {要查找的文件夹} -type f -size +10000k
2020-03-16 23:28:40
148
原创 【visdom】配置visdom
配置visdom用visdom记录pytorch训练过程时，需要在本地打开visdom：python -m visdom.server -env_path "... .../visdom_data/"如果pytorch训练进程在服务器上，而本地又想同步查看visdom，则需要同时在本地和服务器执行上面的指令。建议把指令放到screen里面去执行，这样不会被误kill。...
2020-03-16 23:26:11
573
1
原创 如何将终端显示保存到log中
将终端显示全部保存到log：python/sh 命令 > log.txt 2>&1 其中，2>&1是指将错误信息重写入标准输出中。
2020-03-16 23:20:24
644
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人