![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络
文章平均质量分 54
Alex-Leung
Stay hungry,stay foolish.
展开
-
ONNX使用pytorch导出的网络模型进行推理(C++)
官方例程https://github.com/microsoft/onnxruntime/blob/master/csharp/test/Microsoft.ML.OnnxRuntime.EndToEndTests.Capi/CXX_Api_Sample.cpp在VisualStudio使用NuGet安装Onnx-Runtime.GPU点击项目,管理NuGet程序包点击预览搜索Microsoft.ML.OnnxRuntime.Gpu安装对应版本的Runtime修改后的代码使用pyto原创 2021-06-30 14:22:31 · 3213 阅读 · 3 评论 -
医学图像语义分割多分类任务计算mIoU和dice的函数
Code输入:变量简介seg神经网络输出的预测结果gt对应样本的ground truthclasses分类数量,默认为0到classes数值background_id背景在预测结果的Tensor中对应分类的值def cal_mIoU(seg, gt, classes=2, background_id=-1): channel_iou = [] for i in range(classes): if i == backgr原创 2021-06-24 17:32:31 · 3550 阅读 · 5 评论 -
PaddleDetection的coco类型的目标检测数据集评估(Evaluation)标准
输出结果PaddleDetection 使用coco类型的数据集,一般的输出结果如下Running per image evaluation...Evaluate annotation type *bbox*DONE (t=2.61s).Accumulating evaluation results...DONE (t=0.74s). Average Precision (AP) @[ IoU=0.50:0.95 | area= all | maxDets=100 ] = 0.245原创 2021-05-27 16:59:11 · 1549 阅读 · 0 评论 -
PaddleDetection固化神经网络部分权重
问题想要把PaddleDetection(ppdet)的mask-rcnn固化backbone或者其他部分,然后用新的数据集训练做迁移学习,官方文档目前没有找到解决方案。处理方法ppdet官方的回答如下,在需要冻结的网络层的输出部分加入如下代码。out.stop_gradient = True目前ppdet并没有一个统一的控制配置,可以自己对框架进行二次开发,添加全局控制变量。想了解ppdet项目结构请回看这篇文章。PaddleDetection项目代码结构简介...原创 2020-11-19 14:56:02 · 775 阅读 · 0 评论 -
PaddleDetection项目代码结构简介
PaddleDetection项目代码结构简介ppdet(PaddleDetection)是一个相当方便的实验框架,将神经网络的各部分模块化,非常适合对神经网络架构进行改进优化。1. 项目目录挑几个重点的目录介绍configs 存放网络配置文件ppdet 存放网络架构、backbone、head等文件tools 存放训练、预测、验证脚本dataset 数据集存放目录output 当执行完训练之后,会生成output文件夹并存放训练好的可训练参数2. 神经网络的相关代码结构关系举原创 2020-10-16 10:15:10 · 1659 阅读 · 2 评论 -
CBAM注意力模块-paddlepaddle版本
keras版本keras版本对比paddlepaddle版本def channel_attention(self, input_feature, index, ratio=0.125): channel = int(input_feature.shape[1]) size = int(channel * ratio) size = 1 if size < 1 else size # avg path avg_path原创 2020-10-13 15:44:19 · 666 阅读 · 2 评论 -
Keras复现CBAM注意力模块
Keras复现CBAM模块1. CBAM注意力机制模块介绍2.模块复现2.1 TensorFlow 2.0 卷积神经网络实战书上的代码(tf与keras混合的代码)2.2 Keras代码复现2.3 测试3. 知识点补充3.1 全局平均/最大池化3.2 Keras构建模型1. CBAM注意力机制模块介绍CBAM(Convolutional Block Attention Module)拥有两个注意力子模块,CAM(Channel Attention Module)和SAM(Spatial Attentio原创 2020-09-23 17:52:04 · 7761 阅读 · 16 评论 -
BottleneckBlock的相关计算
BottleneckBlock的相关计算1. 概念BottleneckBlock - 残差块,初始应用在ResNet 50/101/102中1.1 网络结构残差块又称为瓶颈层,输入channel(通道)从大变小, 再从小变大。上图右侧的才是真正的BottleneckBlock,瓶颈层再加上右侧输入直达输出的shortcut connections。shortcut connections能解决网络训练的时候浅层网络层学习困难的问题。2. 计算流程假设输入数据格式为[batch, chann原创 2020-08-06 17:53:50 · 3779 阅读 · 0 评论 -
paddlepaddle-DNN实现鸢尾花分类任务
paddlepaddle实现鸢尾花分类任务1. 前期准备2. 导入包3. 数据预处理4. Data Reader5. 网络结构6. 训练6.1 运行效果6.2 导出模型的说明7. 预测实验7.1 预测结果与GroundTruth的比较8. 导出权重1. 前期准备首先先准备鸢尾花的数据集,csv数据集下载地址paddlepaddle选用版本为1.82. 导入包from __future__ import print_functionimport paddleimport paddle.fluid原创 2020-07-30 10:49:59 · 1357 阅读 · 0 评论 -
图像数据集预处理-基于numpy、PIL等框架实现-转载自paddlepaddle官方
数据预处理在计算机视觉中,通常会对图像做一些随机的变化,产生相似但又不完全相同的样本。主要作用是扩大训练数据集,抑制过拟合,提升模型的泛化能力,常用的方法见下面的程序。随机改变亮暗、对比度和颜色等import numpy as npimport cv2from PIL import Image, ImageEnhanceimport random随机改变亮暗、对比度和颜色等def random_distort(img): # 随机改变亮度 def random_bright转载 2020-07-01 16:48:03 · 788 阅读 · 0 评论 -
keras配置plot_model(graphviz)-win10环境
keras配置plot_model(graphviz)环境windows10python 3.6TensorFlow 1.7.0keras 2.1.6下载graphviz下载地址在环境变量添加在环境变量添加graphviz安装目录下的bin文件夹路径替换pydot为pydotplus# 卸载pydotpip uninstall pydot # 安装pydotpluspip install pydotplus找到环境里的keras\utils\vis_utils.py将pyd原创 2020-06-10 14:16:07 · 619 阅读 · 0 评论 -
mask-rcnn训练测试自制数据集
mask-rcnn训练测试自制数据集本项目简介本项目用于口腔模型分割,数据类型有7种,本文主要用于介绍如何使用自制数据集训练自己的模型训练环境配置操作系统:win10GPU: GTX 1080tiCPU: intel i7内存: 32G项目地址项目地址:https://github.com/a2824256/Mask_RCNN_4_Oral_Segmentation,mask-rcnn模型来自matterport/Mask_RCNN自制coco数据集格式数据集教程把数据集制作成co原创 2020-05-09 10:43:17 · 1768 阅读 · 6 评论 -
win10环境配置运行mask-rcnn
win10环境配置运行mask-rcnnwin10环境配置运行mask-rcnn项目地址安装流程运行效果win10环境配置运行mask-rcnn项目地址https://github.com/matterport/Mask_RCNN安装流程# 1. 创建conda虚拟环境conda create -n maskrcnn python=3.6# 想节省麻烦就下载1.3的TensorF...原创 2020-04-21 15:58:46 · 612 阅读 · 0 评论 -
intel realsense获取8位深度图
intel realsense获取8位对齐深度图实例代码实例代码import pngimport pyrealsense2 as rsimport logginglogging.basicConfig(level=logging.INFO)import numpy as npimport cv2import osdef make_directories(): if no...原创 2020-04-08 10:55:01 · 1259 阅读 · 0 评论