自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(23)
  • 收藏
  • 关注

原创 Potsdam 数据集预处理(切割)

Potsdam 数据集预处理(切割)

2022-09-24 12:51:45 104

原创 Dota数据集切割以及保存为yolo和voc格式——HBB

对dota数据集进行切割并保存成yolo和voc格式

2022-07-10 18:13:55 1418

原创 pytorch使用DCN

pytorch使用DCN前言正文前言关于DCN可形变卷积神经网络相信大家也都不陌生,使用额外的feature map区学习offset,以此达到可形变的效果。感觉和attention比较相似?但是网络实现的代码版本各不相同,编译环境存在很多难以协调等等的问题。而MMopenlab是一个非常不错的工具,其有着实现可形变卷积的方法,因此本文只是做一个引入,如何像正常使卷积一样的使用DCN正文from mmcv.ops import DeformConv2dPackimport torchfrom

2022-05-03 11:05:17 353 1

原创 mmdetection冻结网络参数训练

MMdetection针对模型backbone进行冻结参数训练问题问题解决可能存在问题总结问题原以为MMdetection针对模型backbone处进行参数冻结训练网上会有大量的教程,刚刚网上查了一下没找到,于是自己动手去发现解决以YOLOX模型为例,调用CSPDarknet时,定义了_freeze_stage方法,并在train方法中调用。self.frozen_stages默认为-1,即不会对模型进行参数冻结,1、可以在定义CspDarknet类时,构造函数__init__中fro

2022-04-14 00:36:25 775 4

原创 YOLOX源码阅读收货

YOLOX源码阅读收货程序程序1、 优化器分别对模型不同的结构进行优化 pg0, pg1, pg2 = [], [], [] # optimizer parameter groups for k, v in self.model.named_modules(): if hasattr(v, "bias") and isinstance(v.bias, nn.Parameter):

2022-03-11 10:17:18 67

原创 xml.etree.ElementTree.ParseError: not well-formed (invalid token): line 3, column 50

@[TOC](python报错xml.etree.ElementTree.ParseError: not well-formed (invalid token): line 3, column 50)问题python报错xml.etree.ElementTree.ParseError: not well-formed (invalid token): line 3, column 50我遇到的问题是由于xml文件里面有中文文字导致的乱码,导致的打开文档错误解决方案使用open()函数先打开x

2022-03-01 18:05:14 538 1

原创 openslide导入报错解决

openslide安装报错解决问题效果

2022-02-28 12:18:54 332

原创 神经网络特征层可视化pytorch

python可视化三维矩阵点程序结果总结Github链接:https://github.com/JonnesLin/Evison程序使用Evision工具可视化pytorch模型的网络特征图from Evison import Display, show_networkfrom torchvision import modelsfrom PIL import Image# 构建一个模型network = models.mobilenet_v2(pretrained=True)#

2021-12-28 16:27:21 1688 4

原创 SVS格式WSI图像分割

医学超大SVS格式图像切割程序总结仅仅提供学习使用程序将原始的coco数据集,标注为矩形框,通过openslide和numpy等工具包进行图片切割。原始的图像大小不规则,100000x100000像素左右,运行下面程序即可得到2000x2000的,尺寸修改、路径等需要自行调整。import openslidefrom openslide.deepzoom import DeepZoomGeneratorimport numpy as npimport jsonfrom tqdm i

2021-12-28 14:17:54 2362

原创 python可视化三维矩阵点

python可视化三维矩阵点程序总结仅仅提供学习使用程序根据三维坐标可视化,每个坐标对应的数值import matplotlib.pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3Dfrom matplotlib.animation import FuncAnimationx = np.arange(0,10,0.5)y = np.arange(0,10,0.5)z = np.arange(0

2021-12-17 13:46:30 1175

原创 51job_selenium爬虫

51job爬虫程序总结仅仅提供学习使用程序仅仅提供学习使用import requestsfrom lxml import etreefrom bs4 import BeautifulSoupimport jsonfrom selenium.webdriver.chrome.options import Options #实现五可视化from selenium.webdriver import ChromeOptions #实现规避被检测到的风险from time im

2021-11-30 15:15:49 594

原创 华为数学建模2021 D题

华为数学建模D题第一题:选取感兴趣的20个变量第二题建立回归模型第三题 建立五个因变量(ADMET)的分类模型第四题 每个变量对活性的定量分析总结引用大致分享一下自己在建模过程中的思路,仅仅是做个记录第一题:选取感兴趣的20个变量对于729个属性变量建立回归和分类模型而言显得相对有点多,因此需要维度压缩,通常在使用维度压缩时有很多方法如:PCA、DAN(深度自编码)等,但是这样得到的维度压缩不会对应到相应的原有属性,类似于特征映射而非筛选。因此第一题采取的思路是选用XGBoost和Random

2021-10-20 10:06:08 766 1

原创 self-train RandomForesrClassifier

半监督随机森林分类感受野绘制总结随便玩一下啊感受野绘制写论文的需要就随便写了个小玩意,后面再继续更新import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.ensemble import RandomForestRegressorfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.model_selec

2021-10-13 09:07:59 29

原创 CNN感受野绘图

CNN感受野感受野绘制总结随便玩一下啊感受野绘制写论文的需要就随便写了个小玩意,后面再继续更新#Qlearning算法import matplotlib.pyplot as pltimport numpy as npplt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False # 用def file_(point_,num,dis):

2021-09-30 10:35:36 114

原创 转置卷积PyTorch

转置卷积PyTorchUpsampleConvTranspose2d考虑到现在很多算法中都使用到了upsample来进行特征图放大,现在展示一下使用转置卷积的方式增大特征图的尺寸Upsampletorch.nn.Upsample(scale_factor=2)可以实现特征图的放大两倍操作,原理是使用插值算法将特征图尺寸放大ConvTranspose2dtorch.nn.ConvTranspose2d(inchanel ,outchannel ,kernel_size ,stride ,pad

2021-09-19 08:59:49 136

原创 强化学习——Qlearning和Sarsa的区别

强化学习——Qlearning和Sarsa的区别前言Qlearning算法简单示例Sarsa算法简单示例总结主要是讲述一下自己学习Qlearning和Sarsa的感悟前言自从北京学习回到成都,一个暑假虽然”书本上“的知识没有学到什么,但是确实让身为本科生的自己眼界开阔了很多,也更加的明确了自己的目标。强化学习这一个领域之前也是仅仅知识了解大概的算法流程,知其然,不知其所以然。直到现在我也觉得其和遗传学习很相似,难道他们之间是包含与被包含的关系?(需要再继续学习才能去了解了)本篇口水话主要是讲述一

2021-08-28 10:37:33 947

原创 强化学习——Policy-based Approach

强化学习——Policy-based Approach前言Policy-base approach思想笔记总结根据李宏毅老师的视频,记录一下自己的学习心得前言本科已经毕业了,从刚开始接触传统的机器学习,到后面接触到深度学习、CV检测、NLP等,但是最近看到越来越多的人开始提到强化学习,因此自己也打算乘着这段“闲暇”时间来学习一下强化学习,仅仅用于记录自己的学习,如果能为您提供帮助当然再好不过。Policy-base approach思想 主要分为三步:1、Nerual network as

2021-08-17 14:28:50 71

原创 最短距离:遗传算法改进——python实现

最短距离:遗传算法改进——python实现前言遗传算法实现总结针对上一篇文章,实现改进的部分前言在数学建模中经典的问题——最优距离,遍历可能是我们找到最优距离的最好办法。但是如果面对众多的需要优化的位置,那么计算量将会特别大,如有二十个位置,那么遍历需要的次数为20的阶乘次,计算量可想而知的恐怖,因此引入遗传算法遗传算法实现import numpy as npimport matplotlib.pyplot as pltpop_size = 500 #每次计算的方案数量,也就是

2021-08-11 23:58:21 66

原创 最短距离——遗传算法

最短距离:遗传算法——python实现前言遗传算法实现总结最近闲来无聊,学一下遗传算法来充实自己前言在数学建模中经典的问题——最优距离,遍历可能是我们找到最优距离的最好办法。但是如果面对众多的需要优化的位置,那么计算量将会特别大,如有二十个位置,那么遍历需要的次数为20的阶乘次,计算量可想而知的恐怖,因此引入遗传算遗传算法实现import numpy as npimport matplotlib.pyplot as pltcity_position = np.random.rand(2

2021-08-11 19:49:43 303 1

原创 2021-06-21

复现YOLO检测算法_1前言loss设计总结有时间会长期更新,主要是练一练自己的代码前言为了让自己安心学习,也为了可能会给更多的初学者帮助,因此我会在加下来这段时间开始更新YOLO算法的复现。loss设计# gt: batch_size*7*7*(5+20) 真实框# pr: batch_size*3*7*7*(5+20) #预测框class Loss_function(): def __init__(self): self.size = 7 #

2021-06-21 15:34:51 35

原创 使用torch实现神经网络的一些结构

使用torch实现神经网络的一些结构前言一、空间池化(自定义)二、残差学习block三、FPN总结有时间会长期更新,主要是练一练自己的代码前言在学习深度学习 用于目标检测领域当中很多时候需要自己去修改代码而不是仅仅Git别人的repository,经过这么长时间来自己几乎都是对着书本或者网上的一些资源来敲代码,因此迫切的想独立的写一些经典的结构,因此这篇文章来了。一、空间池化(自定义)class spatial_pool(nn.Module): def __init__(self,ke

2021-06-05 09:09:44 117

原创 NMS和soft-NMS实现

NMS和soft-NMS实现前言正文前言Soft-NMS – Improving Object Detection With One Line of Code.通过阅读这篇文章,从中了解到相比较于NMS还有改进的Soft-NMS,文章说的是可以提升在很多数据集上的检测精度。正文下面的计算IOU函数def iou(predicted_bound, ground_truth_bound): #计算IOU """ computing the IoU of two boxes

2021-06-03 00:08:18 234 4

原创 迁移学习加载改进后的模型参数

基于改进模型使用迁移学习加载参数前言正文前言由于发paper或多或少的需要一定创新性,本篇文章是基于YOLOv4算法想对模型结构进行改进,这里仅仅是做一个小样。调整主干模型并不对主干模型的输出进行改变,因此只需要将修改后模型的参数初始化。最后正常对模型进行训练即可。本文也许并不一定可以帮到你,但是如果你也想使用迁移学习的方式去初始化模型的参数,那么我相信下面的文章或多或少对你有一些启发。同时很感谢参考文章的两位作者。正文今天在考虑如何对YOLOv4模型进行改进如何考虑使用迁移学习的方式为没有变

2021-05-26 20:34:43 309

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除