b_dxac-CSDN博客

原创 Multi-level Feature Fusion Networks with Adaptive Channel Dimensionality Reduction for Remote Sens

基于自适应信道降维的多级特征融合网络用于遥感场景分类由于高分辨率遥感图像内容复杂多样，对其进行分类是一项具有挑战性的工作。最近，卷积神经网络(CNNs)被用来解决这一任务。然而，由于VHR图像中存在杂波和小目标，cnn不能完全满足场景分类的需要。为了解决这些问题，本文提出了一种新的自适应信道降维的多级特征融合网络用于遥感场景分类。针对高维特征，设计了一种自适应信道降维方法。在此基础上，引入多级特征融合模块，实现了特征的高效融合。在三个广泛使用的数据集上的实验表明，我们的模型在精度和稳定性方面优于几种先进

2021-05-07 11:35:36 663

原创 pytorch 图像分类器代码详解

import torchimport torchvisionimport torchvision.transforms as transformsimport matplotlib.pyplot as pltimport numpy as npimport torch.nn as nnimport torch.nn.functional as Fimport torch.optim as optim# torchvision 数据集的输出是范围在[0,1]之间的 PILImage，我.

2021-04-13 09:58:55 659

原创 enumerate()函数用法

for i, data in enumerate(trainloader, 0): #data里面包含图像数据（inputs）(tensor类型的）和标签（labels）(tensor类型）。 inputs, labels = dataenumerate()用于可迭代\可遍历的数据对象组合为一个索引序列，同时列出数据和数据下标。上面代码的0表示从索引从0开始，假如为1的话，那索引就从1开始...

2021-04-12 11:36:42 545

转载 Pytorch torchvision.utils.make_grid()用法

make_grid的作用是将若干幅图像拼成一幅图像。其中padding的作用就是子图像与子图像之间的pad有多宽。这是padding为0的结果这是padding为2的结果在需要展示一批数据时很有用.

2021-04-12 11:04:07 957

转载 pytorch-torchvision：datasets和DataLoader参数解释

torchvision.datasets.如果实验中使用成熟的图像数据集合，可以使用torchvision.datasets模块支持–MNIST、Fashion-MNIST、KMNIST、EMNIST、FakeData、COCO、Captions、Detection、LSUN、ImageFolder、DatasetFolder、ImageNet、CIFAR、STL10、SVHN、PhotoTour、SBU、Flickr、VOC、Cityscapes、SBD等常用数据集合。CIFAR10数据集

2021-04-12 10:53:45 699

转载 pytorch中transforms.Compose()函数

转载自：https://blog.csdn.net/wangkaidehao/article/details/104520022转载自：https://blog.csdn.net/u013925378/article/details/103363232torchvision是pytorch的一个图形库，它服务于PyTorch深度学习框架的，主要用来构建计算机视觉模型。torchvision.transforms主要是用于常见的一些图形变换。以下是torchvision的构成：torchvisi

2021-04-12 09:44:18 6280

原创论文翻译-Comparative Analysis of Multiple Deep CNN Models for Waste Classification

垃圾分类的多种深度CNN模型的比较分析摘要：垃圾在错误的地方是一种财富。我们的研究重点是分析自动垃圾分类和收集的可能性，以帮助进一步的回收过程。目前正在采用各种方法来管理废物，但效率不高，需要人为干预。自动废物分离技术可以填补这一空白。该项目测试了著名的深度学习网络架构，利用结合了自己的努力和垃圾网的数据集进行垃圾分类。卷积神经网络用于图像分类。以垃圾箱的形式建起来的硬件是用来把垃圾分成不同的隔间的。这项研究将节省宝贵的时间，并在废物管理领域引入自动化。城市固体废物是一种巨大的可再生能源。这种局面对政府

2021-03-26 21:43:28 254

原创论文翻译——Comparing Deep Learning And Support V ector Machines for Autonomous Waste Sorting

比较深度学习和支持向量机的自动垃圾分类摘要：垃圾分类是将垃圾分类成不同类型的过程。目前的趋势是有效地对垃圾进行分类，以便适当地处理。必须尽早进行分离，以减少其他物质对废物的污染。这一过程自动化的需要对垃圾处理公司来说是一个重要的促进因素。本研究旨在通过应用机器学习技术，仅从垃圾图片中识别垃圾类型，实现垃圾分类的自动化。使用了两种流行的学习算法:卷积神经网络(CNN)深度学习和支持向量机(SVM)。每种算法都创建了不同的分类器，利用256 x 256彩色png图像将废物分为3大类:塑料、纸张和金属。比较了

2021-03-25 21:05:53 355

转载深度学习中的常见概念

Top-5错误率即对一个图片，如果概率前五中包含正确答案，即认为正确。Top-1错误率即对一个图片，如果概率最大的是正确答案，才认为正确。

2021-03-24 13:15:40 922

原创论文翻译——YOLOv3: An Incremental Improvement

摘要翻译：我们向YOLO提供一些更新!我们做了一些设计上的小改变来让它更好。我们还训练了这个非常棒的新网络。它比上次大了一点，但更准确。不过它还是很快的，别担心。在320×320 YOLOv3运行在22 ms 28.2 mAP，与SSD一样准确，但三倍快。当我们看旧的。5 IOU地图检测度量YOLOv3是相当好的。它在Titan X上实现57.9 AP50in 51 ms，相比之下，RetinaNet的57.5 AP50in 198 ms，性能类似，但更快3.8倍。和往常一样，所有代码都可以在线访问

2020-09-28 14:48:52 426

原创论文翻译——YOLO9000: Better, Faster, Stronger

摘要翻译：我们介绍YOLO9000，一个最先进的，实时的物体检测系统，可以检测超过9000个物体类别。首先，我们提出了对YOLO检测方法的各种改进，既有新颖的，也有来自之前工作的改进。改进后的YOLOv2在PASCAL VOC和COCO等标准检测任务上是最先进的。使用一种新的，多尺度的训练方法，同样的YOLOv2模型可以运行在不同的大小，提供了一个简单的折衷速度和准确性。在67帧每秒时，YOLOv2在2007 VOC上得到76.8的映射。在40帧/秒的时候，YOLOv2得到了78.6的贴图，超过了最

2020-09-28 10:58:00 440

原创论文翻译：You Only Look Once: Unified, Real-Time Object Detection

摘要翻译：提出了一种新的目标检测方法YOLO。以前关于目标检测的工作使用分类器来执行检测。相反，我们将目标检测框架为一个回归问题，以特定的分离边界盒和相关的类概率。单个神经网络在一次评估中直接从完整的图像预测边界框和类概率。由于整个检测管道是一个单一网络，因此可以对其检测性能进行端到端的直接优化。We present YOLO, a new approach to object detection. Prior work on object detection repurposes cla.

2020-09-28 09:23:08 421

原创论文翻译——Feature Pyramid Networks for Object Detection

摘要：特征金字塔是识别系统中用于检测不同尺度目标的基本组成部分。但是最近的深度学习对象检测器避免了金字塔表示，部分原因是它们是计算和内存密集型的。在这篇论文中，我们利用深卷积网路固有的多尺度金字塔层级，以边际额外成本建构特徵金字塔。提出了一种具有横向连接的自顶向下体系结构，用于构建各种尺度的高层语义特征图。这种被称为特征金字塔网络（FPN）的体系结构，作为一种通用的特征抽取器在一些应用中显示出了显著的改进。在基本更快的R-CNN系统中使用FPN，我们的方法在COCO检测基准上实现了最先进的单模型结果，没

2020-07-05 20:51:09 772

原创论文翻译——Weighted Residuals for Very Deep Networks

翻译：最近，深度剩余网络在许多具有挑战性的计算机视觉任务中表现出了引人注目的性能。然而，原有的残差结构仍然存在一些缺陷，使得其难以在深度很深的网络上收敛。在本文中，我们引入了一个加权残差网络来解决ReLU和元素加法与深度网络初始化之间的不兼容性问题。加权残差网络能够有效地结合不同层次的残差。随着深度从100+层增加到1000+层，所提出的模型在准确性和收敛性方面都有持续的改善。加权残差网络与原始残差网络相比，计算量和GPU内存负担基本没有增加。采用投影随机梯度下降法对网络进行优化。在CIFAR-10上的

2020-06-23 10:07:22 579

原创 session error问题解决方法讲解

Session问题解决方法1原因：使用tomcat 7运行的时候出现的出现session error解决方法1：使用MyEclipse tomcat6运行即可解决加载项目选择MyEclipse tomcat如下图所示：运行的时候也选择MyEclipse tomcat运行。选择后点击ok使用MyEclipse tomcat启动项目之后，...

2019-09-03 15:29:03 10037

原创 jspMyEclipse项目如何去除红叉

Myeclipse提示红叉问题-是编译器的问题，跟项目无关！最近发现myeclipse10中正确运行的项目提示很多红叉，这是Myeclipse工具的bug，不是项目的问题，所以无需担心，直接继续按教程运行即可，如果实在看着太煞风景，那就按一下说明解决一下吧！红叉出现在jsp中，只要SRC下面的源码没有红叉就说明项目没有问题。现象如图所示： 2解决方法：window ...

2019-09-03 15:13:29 1748

原创 Jspmysql数据库代码执行添加中文，操作后显示问号乱码问题解决方法

1. 问题描述，如图所示点击添加按钮，添加中文信息后信息显示为问号，添加英文字符或数字没有问题，是因为安装MySQL5.1的时候设置编码没有设置为gbk2. 解决方法1，打开计算机服务管理器，找到MySQL服务，右键MySQL服务，点击停止，设置为手动启动，然后用本教程提供的A右键计算机>管理打开计算机管理器B打开服务与应用程序里面的服务，找到你的MySQL服务...

2019-09-03 13:14:35 678

原创如何在浏览器中打开项目及点击注册按钮或者其他按钮无效问题解决

1. 安装360安全浏览器（其他浏览器），百度搜索360安全浏览器，下载双击安装即可，安装好打开浏览器。2. 鼠标选中你要运行的项目名称，如图左侧红框，点击右键Run as myeclipse server application运行项目3. 复制首页地址到浏览器打开后如图所示，然后调节浏览器模式为兼容模式，如下图文字描述操作即可。切换为兼容模式后再来点击点击没有反应的按钮...

2019-09-03 12:40:25 1436

原创顺序表应用4：元素位置互换之逆置算法 Time Limit: 10 ms Memory Limit: 570 KiB

Problem Description一个长度为len(1<=len<=1000000)的顺序表，数据元素的类型为整型，将该表分成两半，前一半有m个元素，后一半有len-m个元素（1<=m<=len)，设计一个时间复杂度为O(N)、空间复杂度为O(1)的算法，改变原来的顺序表，把顺序表中原来在前的m个元素放到表的后段，后len-m个元素放到表的前段。注意：先将顺序表元...

2019-03-09 19:54:13 147

原创顺序表应用3：元素位置互换之移位算法

SubmitStatisticProblem Description一个长度为len(1<=len<=1000000)的顺序表，数据元素的类型为整型，将该表分成两半，前一半有m个元素，后一半有len-m个元素（1<=m<=len)，借助元素移位的方式，设计一个空间复杂度为O(1)的算法，改变原来的顺序表，把顺序表中原来在前的m个元素放到表的后段，后len-m个元素...

2019-03-09 16:53:35 254

原创小学数学

小学数学Time Limit: 1000MS Memory Limit: 65536KBSubmit StatisticProblem Description今年中秋节，大宝哥带着一盒月饼去看望小学数学老师。碰巧数学老师在指导他的学生“100以内的加减法”，由于老师要指导很多个小朋友，所以经常会忙不过来，于是老师便请大宝帮忙检查下小朋友们的作业情况，并统计出每个小朋友做对了

2017-04-19 22:15:38 181

原创 Eddy的难题 Time Limit: 1000MS Memory Limit:

Eddy的难题Time Limit: 1000MS Memory Limit: 65536KBSubmit StatisticProblem Description人随着岁数的增长是越大越聪明还是越大越笨，这是一个值得全世界科学家思考的问题,同样的问题Eddy也一直在思考，因为他在很小的时候就知道亲和串如何判断了，但是发现，现在长大了却不知道怎么去判断亲和串了，于

2017-04-16 21:28:43 1020

原创救基友记2

Problem Description 屌丝WP的好基友CZ又被妖鬼给抓走了（CZ啊，CZ….怎么说你好呢….吃着锅里想着碗里），为了求出CZ，他只好去求高富帅RQ, RQ给WP出了到题目说只要你能解决这道题目，他就答应帮屌丝WP去解救好基友CZ。题目描述如下：给你一个字符串s，长度小于1000，让你找出该字符串所包含的所有子串"cRazY" 或者"CraZy"，并将找出的

2017-04-16 20:46:46 189

原创数据结构实验之查找五：平方之哈希表

Problem Description给定的一组无重复数据的正整数，根据给定的哈希函数建立其对应hash表，哈希函数是H(Key)=Key%P，P是哈希表表长，P是素数，处理冲突的方法采用平方探测方法，增量di=±i^2,i=1,2,3,...,m-1Input输入一组测试数据，数据的第1行给出两个正整数N(N = 2N的最小素数)，N是要插入到哈希表的元素个数，P是哈希表

2016-12-08 11:17:56 202

原创数据结构实验之查找七：线性之哈希表

Problem Description根据给定的一系列整数关键字和素数p,用除留余数法定义hash函数H(Key)=Key%p,将关键字映射到长度为p的哈希表中，用线性探测法解决冲突。重复关键字放在hash表中的同一位置。Input连续输入多组数据，每组输入数据第一行为两个正整数N(N = N的最小素数)，N是关键字总数，p是hash表长度，第2行给出N个正整数关键字，数字

2016-12-08 11:15:20 480

原创数据结构实验之查找六：顺序查找

Problem Description在一个给定的无序序列里，查找与给定关键字相同的元素，若存在则输出找到的元素在序列中的位序和需要进行的比较次数,不存在则输出"No"，序列位序从1到n,要求查找从最后一个元素开始,序列中无重复元素。Input连续多组数据输入，每组输入数据第一行首先输入两个整数n(n Output若存在则输出元素在序列中的位序和比较次数,不

2016-12-08 11:11:36 263

原创数据结构实验之查找四：二分查找

Problem Description在一个给定的无重复元素的递增序列里，查找与给定关键字相同的元素，若存在则输出找到的位置,不存在输出-1。Input一组输入数据，输入数据第一行首先输入两个正整数n ( n 随后m行输入m个待查找的关键字keyOutput若在给定的序列中能够找到与关键字key相等的元素，则输出位序(序号从0开始)，否则输出-1。

2016-12-08 11:09:19 573

原创数据结构实验之查找一：二叉排序树

Problem Description对应给定的一个序列可以唯一确定一棵二叉排序树。然而，一棵给定的二叉排序树却可以由多种不同的序列得到。例如分别按照序列{3,1,4}和{3,4,1}插入初始为空的二叉排序树，都得到一样的结果。你的任务书对于输入的各种序列，判断它们是否能生成一样的二叉排序树。Input输入包含若干组测试数据。每组数据的第1行给出两个正整数N (n 简单

2016-12-08 11:03:44 312

原创数据结构实验之二叉树二：遍历二叉树

题目描述已知二叉树的一个按先序遍历输入的字符序列，如abc,,de,g,,f,,, (其中,表示空结点)。请建立二叉树并按中序和后序的方式遍历该二叉树。输入连续输入多组数据，每组数据输入一个长度小于50个字符的字符串。输出每组输入数据对应输出2行：第1行输出中序遍历序列；第2行输出后序遍历序列。示例输入abc,,de,g,,f,

2016-08-12 14:45:29 351

原创串结构练习——字符串连接

题目描述给定两个字符串string1和string2，将字符串string2连接在string1的后面，并将连接后的字符串输出。连接后字符串长度不超过110。输入输入包含多组数据，每组测试数据包含两行，第一行代表string1，第二行代表string2。输出对于每组输入数据，对应输出连接后的字符串，每组输出占一行。

2016-08-08 20:44:35 248

原创 acm 打字练习

一开始只是觉得自己打字慢，没想到竟如此惨不忍睹…… 练了三天，感觉一看见电脑就头痛。在练习过程中，我还发现一个问题就是手指不够灵活，不够听话，你让它动的，它不动；不让它动的，偏偏又在键盘上乱敲。不管怎么说，虽然我没及格呢，但是练习还是有成效的，我相信，速度只是时间问题。练习盲打的过程虽然很无聊加枯燥，但是，我觉得能练好盲打也不失为一项又炫酷又使用的技能！

2016-06-25 13:36:33 315

b_dxac的博客