- 博客(25)
- 收藏
- 关注
RSS订阅原创 博图许可证问题
3.找到计算机\HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Session Manager打开。3.找到automation license manager打开。2.输入services.msc。2.输入regedit。
2023-04-11 22:00:25
1362
原创 批量修改word中的公式--mathtype
点击MathType一栏，选择格式化公式选项，然后再点击浏览MathType预置文件，选择我们刚才编辑的预置文件即可。2.编辑公式的格式，首先，双击一个公式，打开数学公式编辑器MathType，进入编辑状态，点击大小菜单中的自定义选项，修改字号对应的pt值，一般五号对应10pt，小四对应12pt。其它的可以自己调节，但一般不建议更改。3.然后需要将编辑好的公式格式保存为预置文件，点击上部菜单栏中的公式预置菜单并选择保存到文件，这样我们就可以将自己编辑的公式格式保存到相应位置，以便下一步使用。
2023-04-01 21:33:52
4262
原创 超分辨率重建的经典网络模型
EDSR, https://github.com/thstkdgus35/EDSR-PyTorchRCAN, https://github.com/yulunzhang/RCANRDN, https://github.com/yulunzhang/RDN.SAN, https://github.com/daitao/SANOISR, https://github.com/HolmesShuan/OISR-PyTorchIGNN, https://github.com/sczhou/IGNNHAN
2022-04-14 16:23:28
598
原创 计算网络参数量
计算网络参数量参考链接安装：pip install torchsummarypip install torchstatpip install thop代码展示：import torchimport torch.nn as nnimport torch.nn.functional as Fclass Block(nn.Module): # (N,in_planes,H,W) -> (N,out_planes,H,W) '''Depthwise conv + Po
2022-04-14 11:10:20
499
原创 DIV2K数据集下载地址
#### Training datasets #### The training dataset is downloaded at https://pan.baidu.com/s/1uqdUsVjnwM_6chh3n46CqQ （secret code：auh1）(baiduyun) or https://drive.google.com/file/d/1TNZeV0pkdPlYOJP1TdWvu5uEroH-EmP8/view (google drive)### Test datasets ##
2022-03-09 17:04:37
2512
原创 神经网络——异构卷积
异构卷积如下图所示，异构卷积的结构设计很简单，即输入特征图的一部分通道应用k×k的卷积核，其余的通道应用1×1的卷积核。其中，P为控制卷积核为k的比例。代码实现：class HetConv(nn.Module): def __init__(self, in_channels, out_channels, p): super(HetConv, self).__init__() # Groupwise Convolution self.gwc
2021-11-26 21:54:27
3235
原创 CNN卷积特征可视化
CNN卷积特征可视化可视化准备工作：我们将要进行的工作包括：创建CNN特征提取器，本文使用PyTorch自带的resnet34创建一个保存hook内容的对象为每个卷积层创建hook导入需要使用的库对以下图片进行可视化用到的python库import numpy as npimport torchimport torchvisionfrom PIL import Imagefrom torchvision import transforms as Timport matplo
2021-10-03 19:25:31
1058
原创 数据集打标签
数据集打标签import osdef generate(dir, label): files = os.listdir(dir) #os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表。 files.sort() #对文件或文件夹进行排序 print('****************') print('input :', dir) print('start...') listText = open(r'C:\Users\Th
2021-09-09 21:57:13
1938
原创 非对称卷积
非对称卷积的代码实现假设有一个5x5大小的特征图，使用3x3的卷积，不进行padding（即valid），步长默认为1。计算量：先进行3x1卷积核的滑动，横向滑动3次，纵向滑动5次，每一次计算量为3，计算量为（3x5)x3=45。得到的新的特征图为 [3,5] 。再进行1x3卷积，横向滑动3次，纵向滑动3次，每一次计算量为3，计算量为（3x3）x3=27。则总的计算量为45+27=72使用3x3的卷积核对5x5的图进行卷积得到的计算量为：横竖三次滑动，每次计算量为9，则9x9=81>72代码
2021-08-27 10:12:59
4932
2
原创 空间金字塔池化（Spatial Pyramid Pooling, SPP）原理和代码实现
上图是原文中给出的示意图，需要从下往上看:首先是输入层(input image),其大小可以是任意的进行卷积运算，到最后一个卷积层(图中是conv5)输出得到该层的特征映射(feature maps)，其大小也是任意的下面进入SPP层我们先看最左边有16个蓝色小格子的图，它的意思是将从conv5得到的特征映射分成16份，另外16X256中的256表示的是channel，即SPP对每一层都分成16份(不一定是等比分，原因看后面的内容就能理解了)。中间的4个绿色小格子和右边1个紫色大格子也同理，即将.
2021-08-06 21:41:32
1472
3
原创 使用python导入Excel作图
使用python导入Excel作图使用Excel数据作图：import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.axes_grid1.inset_locator import inset_axesfrom matplotlib.patches import ConnectionPatch# 读取数据x_axis_data = []y1_axis_data = []y2_
2021-05-04 20:34:20
5038
原创 PyTorch中的PixelShuffle（）
PyTorch中的PixelShuffle（）卷积操作会使得图像的尺寸变小但是当我们的stride = 1/r<1时，可以让卷积后的图像的尺寸变大。参考文章该类定义如下：class torch.nn.PixleShuffle(upscale_factor) #upscale_factor指放大的倍数输入输出的shapeN代表batch size参考代码：ps = nn.PixelShuffle(3)# 缩放到三倍，r == 3input = torch.tensor(1
2021-03-26 11:40:05
746
原创 pytorch中二维平均池化模块torch.nn.AdaptiveAvgPool2d() 与 torch.nn.AvgPool2d() 的区别
pytorch中二维平均池化模块torch.nn.AdaptiveAvgPool2d() 与 torch.nn.AvgPool2d() 的区别nn.AvgPool2d()原始模型：class torch.nn.AvgPool2d(kernel_size,stride=None,padding=0,ceil_mode=False,count_include_pad=True)其中不同的参数表示的意义：kernel_size( int or tuple)-池化窗口大小stride( i
2021-03-25 21:37:58
1116
原创 灰度共生矩阵的原理及代码实现（python）
灰度共生矩阵的原理及代码实现（python）1原理：灰度共生矩阵（Gray Level Co-occurrence Matrix，GLCM）统计了灰度图中像素间的灰度值分布规律以区分不同的纹理。灰度共生矩阵中每个元素的值可以定义为(x, y)点与(x + dx, y + dy)点的值对为(i, j)的概率。统计整幅图像中每一种灰度值组合出现的概率矩阵 P 即为灰度共生矩阵。灰度级量化在实际应用中，一幅灰度影像的灰度级一般为256级，在计算由灰度共生矩阵推导出的纹理特征时，要求影像的灰...
2021-03-20 16:25:04
5306
2
原创 空间金字塔池化(Spatial Pyramid Pooling, SPP)原理及代码实现(Pytorch)
空间金字塔池化(Spatial Pyramid Pooling, SPP)原理及代码实现(Pytorch)卷积神经网络(CNN)由卷积层和全连接层组成，其中卷积层对于输入数据的大小并没有要求，唯一对数据大小有要求的则是第一个全连接层，因此基本上所有的CNN都要求输入数据固定大小，例如著名的VGG模型则要求输入数据大小是 (224*224) 。固定输入数据大小有两个问题：1.很多场景所得到数据并不是固定大小的，例如街景文字基本上其高宽比是不固定的。2.可能你会说可以对图片进行切割，但是切割的话很可能
2021-03-20 15:45:11
2417
1
原创 【python】实现SIMM算法
【python】实现SIMM算法首先需要准备灰度图片python将彩色图片转化为灰度图片的方法：安装PIL库pip install pillow彩色图片转化为灰度图片的脚本内容from PIL import ImageI = Image.open('原始图片路径')L = I.convert('L')L.save("灰度图片保存路径")# L.show("显示灰度图片")转化的效果图SIMM算法的python代码：import numpy as npfrom PIL im
2021-03-11 21:44:48
876
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