- 博客(34)
- 收藏
- 关注
RSS订阅原创 CNN(九)：Inception v3算法实战
总体而言，Inception v3主要提出了分解卷积，将大卷积因式分解成小卷积核非对称卷积，体现在数学上就是矩阵的分解，即一个大矩阵可以分解成多个小矩阵相乘。由于简单的增大Inception网络的规模是不可行的，这样会导致计算效率变低，Inception v3在v2的基础上去除低层辅助分类器，高层辅助分类器加入BN层作为正则化器。将较大的卷积核分解为串联的小卷积核，能够进行维度缩减，同时小卷积核在多次串联后，并不会缩小感受野，进而提取的特征所代表的感受野不受影响。而并联卷积核池化，避免了表征瓶颈。
2023-09-22 21:13:58
727
原创 CNN(八)：Inception V1算法实战与解析
大部分流行的CNN是将网络的卷积层堆叠的越来越多，网络越来越深，同时channel越来越宽，网络越来越宽，以此来希望提取更高层的特征，从而得到更好的性能。但单纯的网络堆叠和加宽会带来副作用，包括梯度爆炸和数据量剧增而导致的训练困难的问题等。而Inception的提出，改善了此种现象。Inception是用多路分支来并行采用不同的卷积核大小，来提取不同大小感受野所代表的特征。这种分支结构，将单路改变为多路，并行计算，使得网络运行速度更快。
2023-09-15 16:40:19
1203
1
原创 CNN(七)：ResNeXt-50算法的思考
（1）1个block(conv_shortcut=True)：conv_shortcut=True，结合代码可知，在进行Add操作时，是将进行了Conv+BN操作的特征图（filters=2*128），与后续[（Conv+BN+ReLU）+ 分组卷积 + (Conv+BN) ]的一系列操作后得出的特征图（filters=2*128）进行Add操作，此时Add的两部分的通道数均是2*128，即256，之后再进行ReLU操作；下面以filters=128,blocks=2的入参来说明原因。
2023-09-06 10:26:47
478
原创 CNN（六）：ResNeXt-50实战
总而言之，ResNeXt是在ResNet的网络架构上，使用类似于Inception的分治思想，即split-tranform-merge策略，将模块中的网络拆开分组，与Inception不同，每组的卷积核大小一致，这样其感受野一致，但由于每组的卷积核参数不同，提取的特征自然不同。然后将每组得到的特征进行concat操作后，再与原输入特征x或者经过卷积等处理（即进行非线性变换）的特征进行Add操作。这样做的好处是，在不增加参数复杂度的前提下提高准确率，同时还能提高超参数的数量。
2023-08-31 11:41:26
1004
原创 CNN(五）：DenseNet+SE-Net实战
普通的卷积实际上是对局部区域进行的特征融合，因此其感受野不大，若设计出更多的通道特征来增加这个，不可避免的将导致计算量大大的增加。而SENet网络的创新点在于关注channel之间的关系，希望模型可以自动学习到不同channel特征的重要程度。简而言之，在每个channel上将整个特征图浓缩成一个值，即在Squeeze步骤中通过averagepooling的操作计算每个通道的特征，此时每个通道只有一个特征，即size为c；
2023-08-18 09:40:48
500
原创 CNN(四）：ResNet与DenseNet结合--DPN
但又由独特之处，就是在两个模块中，无论是直接shortcut还是经过一个Conc2d+BN，与ResNet的直接进行sum处理不同，这里将两条支路的特征分别进行截取，如图中红框和蓝框中所示，将其特征分别截取成①和②部分，以及③和④部分，其中①③的尺寸一致，②④的尺寸一致，然后将①和③进行sum操作后再与②④进行concat操作，这样便引入了DenseNet中的直接在channel维度上进行concat的思想。这里使用模型DPN92，输出结果如下图所示（由于结果太大，只截取前后部分）
2023-08-09 15:39:24
1183
原创 经典CNN(三）：DenseNet算法实战与解析
在计算机视觉领域，卷积神经网络（CNN）已经成为最主流的方法，比如GoogleNet，VGG-16，Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现，ResNet可以训练出更深的CNN模型，从而实现更高的准确率。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”（shortcut, skip connection），进而训练出更深的CNN网络。
2023-08-03 09:50:59
1678
1
原创 经典CNN(二）：ResNet50V2算法实战与解析
根据说明可知，右图的实线表示测试误差，对应右边y轴的Test Error，虚线表示训练损失，对应左边y轴的Train Loss，x轴表示迭代次数Iterations。+(Conv2D+BN+ReLU)+ZeroPad+(Conv2D+BN+ReLU)+Conv2D，右边分支有所差异，因此在编写代码的时候，可以共用一个函数，根据传入参数的不同而产生相应的Residual block。使用不同的激活函数进行尝试，由此可见，最好的结果是full pre-activation，其次是original。
2023-07-21 21:36:32
1085
原创 经典CNN(一）：ResNet-50算法实战与解析
残差网络是为了解决神经网络隐藏层过多时，而引起的网络退化问题。退化（degradation）问题是指：当网络隐藏层变多时，网络的准确度达到饱和，然后急剧退化，而且这个退化不是由于过拟合引起的。拓展：深度神经网络的“两朵乌云”梯度弥散/爆炸简单来讲就是网络太深了，会导致模型训练难以收敛。这个问题可以被标准初始化和中间层正规化的方法有效控制。网络退化随着网络深度增加，网络的表现先是逐渐增加至饱和，然后迅速下降，这个退化不是由于过拟合而引起的。
2023-07-13 11:30:58
8693
1
原创 pytorch(九）：YOLOv5-Backbone模块实现
YOLOv5是目标检测算法，本次课题尝试将其网络结构用在目标识别上，或进行改进形成一个全新的算法。下图为YOLOv5_6.0版本的算法框架图。
2023-07-05 13:39:53
629
1
原创 pytorch(八）：YOLOv5-C3模块实现
●🍨 本文为中的学习记录博客●🍦 参考文章：Pytorch实战 | 第P8天：YOLOv5-C3模块实现(训练营内部成员可读)
2023-06-23 13:16:41
1913
原创 pytorch(七）：咖啡豆识别
若运行时出现No module named ‘torchsummary’，说明没有没有安装torchsummary，直接pip install torchsummary即可。由于原本训练时，其测试集的正确率已达到100%，因此优化将集中在轻量化网络方向。将卷积块3、4、5中的三层卷积层改为两次卷积层，并去除相应的ReLU层，如下所示。之前使用集成显卡的电脑，训练速度很慢，更换带2080显卡的PC，因此这里可设置device为GPU。在epoch10时，其测试集准确率同意达到了100%。
2023-06-15 14:13:33
105
原创 pytorch(五）：运动鞋识别
电脑系统：Windows 10编译器：Jupter Lab语言环境：Python 3.8深度学习环境：Pytorch。
2023-06-02 20:51:47
145
原创 pytorch(四）：猴痘病识别
相比上一个课题项目（pytorch(三）：天气识别_放鹿的散妃的博客-CSDN博客），本次课题在网络结构上没有任何变化，但是增加指定图片预测与保存并加载模型这两个模块。
2023-05-14 11:40:37
176
原创 pytorch（二）：彩色图片识别
本节与上一个minist手写数字识别项目相比，差别不大，除了数据集和网络稍微复杂一点（增加了一组Conv2d+MaxPool2d+Dropout）外，基本没有太大变化。
2023-05-04 23:12:03
896
原创 （六）yolov5:模型修改和训练
根据分析，将yolov5s.yaml文件进行如上所示修改，注意由于删除了两个层，在Head中，部分输入层需要进行相应的修改。以上仅为测试，查看之前的修改是否正确，从训练结果看，mAP值很低，需要增加训练。另外，C2的实现已在之前的文章中有作详细说明。（1）将第4层C3*2修改为C2*2。（2）将第6层C3*3修改为C3*1。经过修改后，执行以下命令进行训练，（3）去除第7、8层。
2023-04-12 16:08:42
2751
5
原创 （五）Yolov5--yolo.py文件解读
参考网址：https://blog.csdn.net/qq_27889941/article/details/128443507上次对common.py文件进行了解读，这次将对yolo.py文件进行代码解读。如下所示为部分库的解读和说明。
2023-04-05 21:21:25
2963
2
原创 （四）yolov5--common.py文件解读
参考网址：https://blog.csdn.net/qq_38251616/article/details/124665998上次对yolov5s.yaml文件进行了解读，这次在对common.py文件解读之前，先放上yolov5s.yaml对应的网络结构图，如下图所示。对于网络结构图中的各个模块，其定义则在common.py文件中。
2023-03-25 14:39:10
2824
原创 Yolov5学习第二周--训练数据集
在安装好yolov5并测试成功后，可以来尝试训练数据集。可以完全是自己的数据集，通过标注工具（如labelme）来进行标准，也可以是公开数据集，这里先暂时采用公开数据集（后续将完整走一步训练自己的数据集）。
2023-03-10 21:29:41
1699
原创 pyqt5耗时线程阻塞界面
参考网址1：https://blog.csdn.net/xyisv/article/details/88292870参考网址2：https://ask.csdn.net/questions/8118741.问题及原因描述：在使用pyqt5编写UI的时候，正如参考网址1所述，我们一般会将后台任务与界面区分，但我自己在实现的时候发现即使使用后台线程，但仍然会阻塞界面的操作，类似问题在参考网址2中也有提到。通过对比我自己的代码和参考网址1的代码，发现原因在于这个后台线程是否为该类的成员函数。.
2020-11-12 10:20:31
3071
1
原创 BeyondCompare4无阻碍使用方法
平台：win10版本：beyond compare 4.3.41. 打开C:\Users\用户名\AppData\Roaming\Scooter Software\Beyond Compare 4路径下的BCState.xml，删除下图蓝色部分。若该路径下有BCState.xml.bak，则删除该备份文件。注意，若该备份文件不删除，则BeyondCompare会根据备份文件中的内容读出你最早使用时间，所以一定要删掉。2. 打开C:\Users\用户名\AppData\Roaming\Scoot
2020-10-21 17:05:48
1223
1
原创 nanopi（RK3399）使用VideoCapture无法获取USB摄像头1080P视频流的问题
系 统：Ubuntu 18.04语 言：python问题描述：在使用nanopi(RK3399)时，采用opencv的VideoCapture进行USB摄像头的视频捕捉时，刚开始都可以获取1920×1080分辨率的视频图像，但使用一段时间后，有一天突然获取不了，在调用read函数时均返回False。同时在使用set函数来设置视频格式和分辨率时，返回均为False,说...
2019-07-02 16:20:03
2174
1
原创 打包Python程序为so文件及其调用方法
参考资料：https://blog.csdn.net/qq_16912257/article/details/80161112 https://blog.csdn.net/linshenyuan1213/article/details/726772461.编写setput.py文件： setup.py文件内容如下：from distutils.core import set...
2019-06-17 18:51:25
5268
原创 GPIO口控制步进电机（3399板子）
在3399上控制步进电机，即控制GPIO口，需要使用库WiringPi，其相关资料和使用方法参考http://wiki.friendlyarm.com/wiki/index.php/WiringPi_for_RK3399/zh和http://wiki.friendlyarm.com/wiki/index.php/WiringPi-Python_for_RK3399/zh，这里只记录重点和我遇到的问...
2019-06-17 18:49:23
1947
转载 python中yield讲解（链接）
https://www.ibm.com/developerworks/cn/opensource/os-cn-python-yield/
2019-05-17 14:42:16
161
原创 face_recognition和dlib的安装（ubuntu16.04+python3.6）
在虚拟环境中安装dlib、face_recognition（ubuntu）（参考https://blog.csdn.net/gf_lvah/article/details/79482585 http://www.cnblogs.com/whenyd/p/7721989.html）不同的环境安装的细节可能会不同，这里只针对如下环境：操作系统：ubuntu16.04python...
2019-04-08 09:24:41
994
原创 在python2.7.6的虚拟环境中安装opencv2.4.9
1.创建虚拟环境py276_cv249并激活环境（参考https://www.jianshu.com/p/c7e6ee21484f） conda create -n py276_cv249 python=2.7.6（版本号可根据自己需要修改） source activate py276_cv2492.在虚拟环境py276_cv249中安装opencv2.4.9（参考https:/...
2019-04-04 15:44:26
795
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