- 博客(62)
- 收藏
- 关注
RSS订阅转载 结构重参数化（Structural Re-Parameters）
本文首先总结了六种不同的结构重参数化的转换方法，然后借鉴Inception的多分支结构提出了一种新的building block：Diverse Branch Block（DBB），在训练阶段，对模型中的任意一个K×K 卷积，都可以用DBB替换，由于DBB引入了不同感受野、不同复杂度的多分支结构，可以显著提升原有模型的精度。ACB作为一种即插即用的结构，对于任意现有的模型，在训练阶段用ACB替换其中的方形卷积核，几乎都可以带来精度的提升，并且没有引入新的超参，无需额外的微调。维度便是特征图所包含的通道数。
2023-11-27 16:51:54
515
转载 windows10下安装和切换多个版本的CUDA
当我们跑深度学习的代码时，有时会遇到上古的代码，环境比较老，是低版本的 CUDA，此时我们就需要多个 CUDA 版本，并能灵活切换。本教程是针对已经安装一个 CUDA 后的环境，如果首次安装 CUDA 环境，可以查看我主页的保姆级教程。本文是在已有 CUDA11.2 的环境下安装 CUDA9.2。
2023-10-26 16:23:31
3277
2
原创 安装对应版本pytorch和torchvision
3、在下载的whl文件对应目录下打开cmd，进入对应虚拟环境，pip install xxx.whl即可。PS：安装后，通过torch.cuda.is_available()命令来判断是否是gpu版本。
2023-09-05 16:27:06
1128
原创 YOLOv1论文细节总结（confidence）
（2）在训练阶段，其实没区别，只是说，我们已经训练出来一个觉得不错的网络了，这时候来预测，那预测得到的confidence其实还是说：我网络认为这个grid cell对应是否有一个物体，如果有，我网络预测得到的bbox信息你画出来，大概和真实物体的IOU也反映在我输出的confidence里。那就是说，网络告诉你，我认为这个grid cell有物体，且我给出了一个bbox位置信息，你画出来的话跟你图片实际的物体边框重合情况差不多是0.7那意思。测试时置信度，这里网络输出仍然是。
2023-07-26 11:20:30
466
原创 YOLOv5 目标框（bounding box）坐标表示方法
yolo5输出txt文件中包含的5值分别为类别、x、y、w、h，其中xywh所代表的含义可参考：坐标xywh含义：https://flyfish.blog.csdn.net/article/details/117133648
2023-05-30 18:01:01
1252
原创 NMS基本原理和发展
基本原理：https://blog.csdn.net/zouxiaolv/article/details/107400193发展改进：https://zhuanlan.zhihu.com/p/392740337
2023-04-06 15:29:37
369
原创 pycocotools安装及报错处理
佬文：https://blog.csdn.net/weixin_46961200/article/details/124344341
2023-04-04 16:30:32
192
原创 Jupyter notebook、Pycharm调用Anaconda虚拟环境
附佬文：https://blog.csdn.net/weixin_56197703/article/details/124629964
2023-03-31 16:40:24
143
原创 Anaconda环境配置及pytorch安装
附佬文：https://www.cnblogs.com/zhouzhiyao/p/11784055.html
2023-03-31 16:37:54
65
原创 小记
借此博文来谨记昨晚一整晚为了一道递归时间复杂度题目而重度怀疑自己的智商以及各种能力，甚至产生对未来学业的恐惧的一系列心理变化。直到最后朋友的一句重新审题的提醒，瞬间抓住了自己苦思不得其解的原因。提醒自己学会认真，生活的问题解而不得很多时候并不是理解的问题，当是细心的问题；同时，保持自信，没有那么多我们绞尽脑汁都不得其解的别人眼中的简单问题；再者，任何时候请不要过度怀疑自己并将情绪延伸至未来，做好当下的事，保持自信，保持清醒，保持认真，保持勇敢和坚强，努力后，相信每一件事都能如愿。...
2021-11-11 10:27:32
114
转载 fine-tuning注意事项（微调）
何时微调模型 一般来说，如果我们的数据集在上下文中与预训练模型的训练数据集没有明显不同，我们应该进行微调。像 ImageNet 这样大而多样的数据集上的预训练网络，在网络前几层可以捕获到像曲线和边缘这类通用特征，这些特征对于大多数分类问题都是相关且有用的。 ...
2021-04-30 17:57:49
1960
2
原创 神经网络训练时loss（损失函数）不下降的原因和解决方案
详情参照：https://blog.ailemon.me/2019/02/26/solution-to-loss-doesnt-drop-in-nn-train/
2021-04-21 17:23:38
4140
转载 构建神经网络前的准备工作
版权声明：本文为博主原创文章，更多精彩文章请关注公众号【Jeemy110】 https://blog.csdn.net/l7H9JA4/article/details/84332428 前言在阅读了一篇MNIST的教程（或10篇）并了解了一些Tensorflow / Keras最佳实践后，你可...
2021-04-21 17:11:29
305
原创 数据增强的常见方法（深度学习）
在具体的图像数据处理过程中，面对数据集过小、担心过拟合等问题的出现，无意间发现了以下专栏更新着数据增强的新方法（甚至看到文本数据增强方案），推荐网址：https://www.zhihu.com/question/319291048...
2021-04-06 15:48:46
747
转载 数据增强（图像处理）
我们常常会遇到数据不足的情况。比如，你遇到的一个任务，目前只有小几百的数据，然而，你知道目前现在流行的最先进的神经网络都是成千上万的图片数据。你知道有人提及大的数据集是效果好的保证。对自己数据集小感到失望，你怀疑在我的小数据集上能使我的“最先进的”神经网络能表现好吗？答案是：是！在我们开始是这件事发生之前，我们需要先反思几个问题。1. 为什么需要大量的数据？流行的神经网络的参数的个数当你训练一个机器学习mode时候，你真正做的就是调参以便它能将输入（比如图片）映射到输出（比如标签）。我们优化目标是追求我们模
2021-04-06 15:09:17
1483
转载 图像二值化方法
我们遇到的识别图片，经常被认为的加入杂色干扰，形成一个浓淡分布不均的多值图像。把这样一幅多灰度值的图像(Gray Level Image)转化为只有黑(前景文字部分)白(背景部分)分布的二值图像(Binary Image)的工作叫做二值化处理(Binariztion)。对于一般256级灰度的灰度图，0级灰度对应于黑色，255级对应于白色。二值化后0对应于黑色前景文字，1对应于白色背景。 一...
2021-03-11 16:41:53
2299
转载 CASIA-B步态识别数据库
目前用于步态识别算法评测的数据库有很多，最常用的步态数据库如下表所示：上表中的CASIA Database步态数据库是由中科院自动化所模式识别国家重点实验室所建，具体参见：CASIA步态数据库CASIA Database(B)是一个大规模的，多视角的步态库，采集于2005年1月。共有124个人，每个人有11个视角（0，18，36，……，180度），在三种行走条件下（普通条件，穿大衣，携带包裹条件）采集，其步态能量图像尝试以下链接：个体信息GEI_CASIA_B下载引用信息以上链接由牛津大学.
2020-09-01 15:03:42
5117
1
转载 拷贝构造函数的参数类型（必须引用类型）
在C++中， 构造函数，拷贝构造函数，析构函数和赋值函数(赋值运算符重载)是最基本不过的需要掌握的知识。 但是如果我问你“拷贝构造函数的参数为什么必须使用引用类型？”这个问题， 你会怎么回答？ 或许你会回答为了减少一次内存拷贝？ 很惭愧的是，我的第一感觉也是这么回答。不过还好，我思索一下以后，发现这个答案是不对的。原因：...
2020-04-22 21:21:05
585
转载 图像滤波算法
该篇主要是对图像滤波算法一个整理，主要参考的大神的博客： https://blog.csdn.net/qq_15606489/art...
2020-04-20 08:49:46
769
转载 机器学习--常见模型评估方法
1） AUC、ROC曲线： 看一看下面这个例子：假定瓜农拉来一车西瓜，我们用训练好的模型对这些西瓜进行判别，显然我们可以使用错误率来衡量有多少比例的瓜被判别错误。但如果我们关心的是“挑出的西瓜中有多少比例是好瓜”，或者“所有好瓜中有多少比例被挑出来了”，那么错误率显然就不够用了，这时我们需要引入新的评估指标，比如“查准率”和查全率更适合此类需求的性能度量。...
2020-04-16 14:29:05
522
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