- 博客(54)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 psnr,ssim,rmse三个指标的定量分析
根据经验法则，可以说RMSE值在0.2 ~ 0.5之间，说明该模型能够较准确地预测数据。此外，校正后的r平方大于0.75是一个很好的值来显示准确度。在某些情况下，调整后的r平方值为0.4或更多也是可以接受的。PSNR高于40dB说明图像质量极好（即非常接近原始图像），在30—40dB通常表示图像质量是好的（即失真可以察觉但可以接受），在20—30dB说明图像质量差；最后，PSNR低于20dB图像不可接受SSIM取值范围[0,1]，值越大，表示图像失真越小....
2022-07-01 16:01:50
10305
原创 IS & FID
目录1. Inception Score（IS）1.1 基本思想1.2 Inception Score公式1.3 Inception Score的问题2.Fréchet Distance（FID）2.1 FID优点2.2 FID缺点用于统计评估生成样本质量的两个最常用且公认的度量标准：Inception（IS）和Fréchet Distance（FID）。这两个指标的优点在于，它们已被广泛证实与至少某些期望性质（如图像的视觉吸引力或真实感受）高度相关。IS完全是基于.
2022-05-22 20:03:55
2951
转载 167.两数之和||-输入有序数组
题目：给你一个下标从 1 开始的整数数组 numbers ，该数组已按 非递减顺序排列 ，请你从数组中找出满足相加之和等于目标数 target 的两个数。如果设这两个数分别是 numbers[index1] 和 numbers[index2] ，则 1 <= index1 < index2 <= numbers.length 。以长度为 2 的整数数组 [index1, index2] 的形式返回这两个整数的下标 index1 和 index2。你可以假设每个输入 只对应唯一的
2022-05-10 17:51:53
71
原创 283. 移动零
题目：给定一个数组 nums，编写一个函数将所有 0 移动到数组的末尾，同时保持非零元素的相对顺序。请注意 ，必须在不复制数组的情况下原地对数组进行操作。示例 1:输入: nums = [0,1,0,3,12]输出: [1,3,12,0,0]示例 2:输入: nums = [0]输出: [0]提示:1 <= nums.length <= 104-231<= nums[i] <= 231- 1代码：class Solutio...
2022-05-10 16:18:52
405
原创 189. 轮转数组
# 超出时间限制class Solution(object): def rotate(self, nums, k): """ :type nums: List[int] :type k: int :rtype: None Do not return anything, modify nums in-place instead. """ length = len(nums) k = k%.
2022-05-09 12:42:01
87
原创 977. 有序数组的平方
题目：给你一个按非递减顺序排序的整数数组nums，返回每个数字的平方组成的新数组，要求也按非递减顺序排序。示例 1：输入：nums = [-4,-1,0,3,10]输出：[0,1,9,16,100]解释：平方后，数组变为 [16,1,0,9,100]排序后，数组变为 [0,1,9,16,100]示例 2：输入：nums = [-7,-3,2,3,11]输出：[4,9,9,49,121]提示：1 <= nums.length <=104 -...
2022-05-09 11:25:57
65
原创 35.搜索插入位置
题目：给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。如果目标值不存在于数组中，返回它将会被按顺序插入的位置。请必须使用时间复杂度为 O(log n) 的算法。示例1：输入: nums = [1,3,5,6], target = 5输出: 2示例2：输入: nums = [1,3,5,6], target = 2输出: 1示例3：输入: nums = [1,3,5,6], target = 7输出: 4提示：1 <= nums.len
2022-05-07 13:42:19
92
原创 278.第一个错误的版本
题目：你是产品经理，目前正在带领一个团队开发新的产品。不幸的是，你的产品的最新版本没有通过质量检测。由于每个版本都是基于之前的版本开发的，所以错误的版本之后的所有版本都是错的。假设你有 n 个版本 [1, 2, ..., n]，你想找出导致之后所有版本出错的第一个错误的版本。你可以通过调用 bool isBadVersion(version) 接口来判断版本号 version 是否在单元测试中出错。实现一个函数来查找第一个错误的版本。你应该尽量减少对调用 API 的次数。示例1：输入：
2022-05-07 13:22:33
104
原创 704.二分查找
题目：给定一个 n 个元素有序的（升序）整型数组 nums 和一个目标值 target ，写一个函数搜索 nums 中的 target，如果目标值存在返回下标，否则返回 -1。示例 1:输入: nums = [-1,0,3,5,9,12], target = 9输出: 4解释: 9 出现在 nums 中并且下标为 4示例 2:输入: nums = [-1,0,3,5,9,12], target = 2输出: -1解释: 2 不存在 nums 中因此返回 -1提示：你可
2022-05-07 11:22:11
91
原创 卷积神经网络
卷积滤波器常规前馈网络的神经元排列在平面的全连接层中，而ConvNet中的层排列在三维（宽×高×深）中。卷积是通过在输入层上滑动一个或多个滤波器（filter）来执行的。每个滤波器都有一个相对较小的感受野（宽×高），但它贯穿输入图像的全部深度。每个滤波器在输入图像上滑动每一步，都会输出一个激活值：它是输入值和过滤器值之间的点积。此过程将为每个滤波器生成一个二维的激活图（activation map）。将每个滤波器生成的激活图堆叠在一起可以形成一个三维输出层，其输出深度等于所用滤波器的数量。参数共
2022-04-19 23:37:05
2578
原创 softmax回归
线性回归适用于输出连续值的情景；softmax回归适用于输出像图像类别这样的离散值。和线性回归不同，softmax回归的输出单元从一个变成多个，且引入了softmax运算使输出更适合离散值的预测和训练。假设训练数据集中图像的真实标签为狗、猫和鸡（假设可以用四像素表示出这三种动物），这些标签分别对应离散值为y1,y2,y3（通常使用离散的数值表示类别，例如y1=1,y2=2,y3=3）。虽然可以使用回归模型来建模，并将预测值就近定点化到1,2,3这三个离散值之中，但这种连续值到离散值的转化通常会影响分类质
2022-04-19 20:33:59
872
原创 线性回归~
线性回归输出是一个连续值，因此适用于回归问题。回归问题在实际中很常见，如预测房屋价格、气温、销售额等连续值的问题。与回归问题不同，分类问题中模型的最终输出是一个离散值。例如：图像分类、垃圾邮件识别、疾病检测等输出均为离散值。其中softmax适用于分类问题。线性回归单层神经网络图如上图所示，网络输入分别为x1,x2，因此输入层的个数为2。输入个数也叫特征数或特征向量维度。 网络的输出为o，输出层的个数为1，为线性回归的输出，即，输出层中负责计算o的单元又叫神经元。由于输入层不算入神经网络层
2022-04-11 22:15:42
507
原创 超参数（hyperparameter）
定义：通过认为设定的参数，而不是通过模型训练学出的，叫作超参数。通常所说的‘调参’指的正是调节参数。在少数情况下，超参数也可以通过模型训练学出。
2022-04-11 21:26:11
1044
原创 激活函数(sigmoid、Tanh、ReLU、Leaky ReLU、ELU、Maxout)
1. 激活函数sigmoid函数公式：图像：sigmoid可以将数据压缩到[0,1]范围内，可看作神经元的饱和放电率。在历史上，sigmoid函数非常有用，这是因为它对神经元的激活频率有很好的解释：从完全不激活(0)到求和后的最大频率处的完全饱和（saturated）的激活（1）。然而现在sigmoid激活函数使用较少，主要原因为两点：梯度消失。当神经元的激活在接近0或1时会饱和，导致其导数为0，则梯度为0。在反向传播时，这个（局部）梯度将会与整个损失函数关于该门单元输出的梯度相乘。
2022-04-11 20:27:11
2596
原创 ModuleNotFoundError: No module named ‘skimage.metrics‘
报错：ModuleNotFoundError: No module named 'skimage.metrics'尝试安装skimage库pip install scikit-image重新安装此库，运行程序仍显示错误，故查阅到可能是因为skimage库版本过低，导致没有metrics。所以运行下面代码更新了该库：pip install scikit-image --upgrade...
2022-04-09 23:07:01
4613
转载 中继监督优化(intermediate supervision)
中继监督优化(intermediate supervision)如果直接对整个网络进行梯度下降，输出层的误差经过多层反向传播会大幅减小，即发生vanishing gradients现象。为解决此问题，在每个阶段的输出上都计算损失。这种方法可以保证底层参数正常更新。类似于GoogleNet的auxiliary classfier，用来解决网络随着深度加深而梯度消失的问题。...
2022-04-05 23:16:52
843
转载 图像高频信号&低频信号
图像中的低频信号和高频信号也叫做低频分量和高频分量。图像中的高频分量：指的是图像的强度（亮度/灰度）变化剧烈的地方，也就是我们常说的边缘（轮廓）；图像中的低频分量：指的是图像的强度（亮度/灰度）变换平缓的地方，也就是大片色块的地方。人眼对图像中的高频信号更为敏感，举个例子，在一张白纸上有一行字，那么我们肯定聚焦在文字上，而不会太在意白纸本身，这里的文字就是高频信号，而白纸就是低频信号。图像的高低频是对图像各个位置之间强度变化的一种度量方法。低频分量：主要对整幅图像的强度的综合度量。高频分量：主要
2022-04-05 12:43:27
880
原创 python中translate的用法
参考：https://www.runoob.com/python3/python3-string-translate.html描述：translate()方法根据参数table给出的表（包含256个字符）转换字符串的字符，要过滤掉的字符放到deletechars参数中语法：str.translate(table)bytes.translate(table[, delete])b...
2022-04-05 12:32:24
2833
原创 Blind image deconvolution和Non-blind image deconvolution
Blind image deconvolution、Non-blind image deconvolution及模糊核的理解
2022-03-29 20:57:47
842
2
转载 Spatial Attention
Attention 机制所谓Attention机制，便是聚焦于局部信息的机制。当我们再看一样东西时，我们当前时刻关注的一定是我们当前正在看的东西的某一个地方。随着任务的变化，注意力区域往往会发生变化。面对上面这张图，如果从整体上看，只看到了很多的车，但仔细一看会发现每辆车的车牌号不同，汽车厂家也不同。图中除了汽车之外的信息均是无用信息，也对目标识别网络起不到作用。Attention机制便是要找到这些对训练最有用的信息。1. 基于Attention的显著目标检测和注意力机制相伴而生的一
2022-03-23 12:39:26
5596
2
原创 名词解释之Ablation study
目的：就是控制变量，验证本文的创新点。消融研究的解释：消融研究通常是指删除模型或算法的某些“功能”，并查看其影响什么性能。在论文中，一般来说会提出多个创新方法，或者新型结构模块，或注意力模块。这些东西在一起为模型的性能作出了贡献。然而为了解每个部分单独能发挥的作用，常常会在论文中提出消融研究。例如，某论文基于baseline新增了方法A，B，C。因此，在消融的研究部分，会进行以下实验：baseline baseline+A baseline+B baseline+C baseline
2022-03-13 00:18:36
185
原创 PSF 点扩散函数
点扩展函数（point spread function PSF）描述了成效系统对点源或点对象的响应。PSF更一般的术语是一个系统的脉冲响应，PSF是聚焦光学系统的脉冲影响。 PSF在许多情况下可以被当做是图像中表示一个未解决对象的扩散斑（extended blob）。它是成像系统光学传递函数的空间域形式。 点目标的扩展/模糊程度是衡量成像系统质量的一个指标。 一个复杂对象的像可以被看作是真实对象和PSF的卷积。 PSF用来衡量重建后的图像分辨率。PSF的宽度决定了重建图像的空间分辨率。...
2022-03-11 17:18:12
1965
原创 python 实现k折交叉验证
k折交叉验证原理:k折交叉验证是将数据分为k份，选取其中的k-1份为训练数据，剩余的一份为测试数据。k份数据循环做测试集进行测试。此原理适用于数据量小的数据。# k-折交叉验证（此处设置k=10）from sklearn import datasetsfrom sklearn.model_selection import KFoldiris = datasets.load_iris()data, target = iris.data, iris.targetkf = KFold(n_
2021-10-08 15:46:14
4934
原创 Unity sentinel key not found (h0007) 问题
我是参考的这个博主的博客解决此问题的。博主链接：sentinel key not found (h0007) Unity_alexhu2010q的博客-CSDN博客
2021-09-23 20:12:25
599
原创 [lecode]刷题----换酒问题
题目描述：（链接：https://leetcode-cn.com/problems/water-bottles）小区便利店正在促销，用 numExchange 个空酒瓶可以兑换一瓶新酒。你购入了 numBottles 瓶酒。如果喝掉了酒瓶中的酒，那么酒瓶就会变成空的。请你计算 最多 能喝到多少瓶酒。输入：numBottles = 9, numExchange = 3输出：13解释：你可以用 3 个空酒瓶兑换 1 瓶酒。所以最多能喝到 9 + 3 + 1 = 13 瓶酒。cla
2021-07-06 09:40:08
391
原创 Courtesy Notice: Pipenv found itself running within a virtual environment, so it will automatically
当出现提示：Courtesy Notice: Pipenv found itself running within a virtual environment, so it will automatically use that environment, instead of creating its own for any project. You can set PIPENV_IGNORE...
2020-04-24 20:50:04
2184
原创 python中命名元组
实际上 collections.namedtuple() 是一个工厂方法，它返回的是python中标准元组类型的子类。我们提供给它一个类型名称以及相应的字段，它就返回一个可实例化的类为你已经定义好的字段传入值等。from collections import namedtupleSubscriber = namedtuble('Subscriber', ['addr', 'joined']...
2019-09-08 18:48:17
766
原创 python对函数中的参数进行排序
内建的 sorted() 函数可接受一个用来传递可调用对象( callable ) 的参数 key，而该可调用对象会返回待排序对象中的某些值，sorted则利用这些值来比较对象。例如，如果应用中有一系列的 User 对象实例，而我们想通过 user_id 属性来对他们排序，则可以提供一个可调用对象将 User 实例作为输入然后返回 user_id。class User: def __...
2019-09-08 10:21:29
569
原创 通过公共键对不同字典进行排序
利用 operator 模块中的 itemgetter 函数对这类结构进行排序。rows = [{'fname': 'Brian', 'lname': 'Jones', 'uid': 1003},{'fname': 'David', 'lname': 'Beazley', 'uid': 1002},{'fname': 'John', 'lname': 'Cleese', 'uid': ...
2019-09-06 20:22:16
110
原创 python中从可哈希对象（列表等）找出出现次数最多的元素
问题有一个元素序列，想知道在序列中出现次数最多的元素是什么解决方案collections 模块中的 Counter 类转让给女士为此问题所设计的。它甚至有一个非常方便的most_common()方法可以直接告诉我们答案。为了说明用法，假设有一个列表，列表中是一系列的单词，我们想找出哪些单词出现的最为频繁。下面是我们的做法：words = ['look', 'into', '...
2019-09-05 20:56:05
483
原创 python中slice 和 indices使用
一般来说，内置的slice()函数会创建一个切片对象，可以用在任何允许进行切片操作的地方。下面是slice的简介：# slice 两种用法classslice(stop)classslice(start,stop[,step])返回一个表示由range(start,stop,step)所指定索引集的slice对象。 其中start和step参数默认为...
2019-09-05 20:13:44
16250
1
原创 查找两字典的相同点
问题：怎样在两个字典中寻找相同点（比如相同的键、相同的值等）解决方案：考虑下面两个字典a = { 'x' : 1, 'y' : 2, 'z' : 3}b = { 'w' : 10, 'x' : 11, 'y' : 2}为了寻找两个字典的相同点，可以简单的在两字典的 keys() 或者 items() 方法返回结果上执行集合操作...
2019-09-04 19:36:37
183
原创 pythoncook中实现一个优先级队列（含代码注释）
问题：怎样实现一个按优先级排序的队列？并且在这个队列上面每次pop操作总是返回优先级最高的那个元素解决方案：下面的类利用heapq模块实现了一个简单的优先级队列：# 此为排序序列import heapqclass PriorityQueue: def __init__(self): self._queue = [] self._index ...
2019-09-02 20:37:34
252
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人