![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络学习
文章平均质量分 57
crushqqi
本遥感硕农业,复制粘贴调参方向。
展开
-
【论文笔记】RSE//结合遥感数据和气象数据改进关中平原小麦产量估算的LSTM神经网络
1.材料与方法计算植被温度条件指数(VTCI)和叶面积指数(LAI)两个遥感指标;主要采用:1km空间分辨率的LST产品、1km空间分辨率的表面反射率数据产品、空间分辨率为500m的4天MODIS LAI数据气象数据与小麦产量数据:主要采用:中国气象局测量的关中平原各县的日降水量和温度数据、陕西省农村年鉴中记录的关中平原各县2007-2017年冬小麦产量数据。研究方法:LSTM、BP和支持向量机。2.LSTM深度神经网络模型作者建立了一个用于小麦产量估算的5层深层神经网络模型,如图3所示,该模原创 2022-05-19 22:08:31 · 814 阅读 · 2 评论 -
【学习记录】WBF--加权框融合,优化目标检测的SOTA
WBF–加权框融合,已经成为优化目标检测的SOTA了。如果你熟悉目标检测的工作原理,你可能知道总有一个主干CNN来提取特征。还有一个阶段是,生成区域建议(region proposal)–可能的建议框,或者是过滤已经提出的建议区域。这里的主要问题是,要么物体检测任务出现一物多框,要么生成的边框不够,最终导致平均精度较低的原因。目前其实已经提出了一些算法来解决这个问题。1.比如我们常见的NMS–非极大抑制。但是其实,对于遮挡问题较为严重的检测任务,在一些目标密集的区域,可能包含多个标签,这意味着将出现一框原创 2021-12-07 11:52:08 · 1732 阅读 · 10 评论 -
【实验记录】yolov5的一些改进tricks总结--持续更ing
【实验记录】yolov5的一些改进tricks总结1.在yolov5上增加小目标检测层link2.在yolov5上增加注意力机制link原创 2021-11-04 14:57:38 · 43100 阅读 · 62 评论 -
【神经网络学习】--注意力机制
【神经网络学习】–注意力机制1.从核心思想角度理解:注意力机制,其主要的思想是,一系列的注意力分配系数,即权重参数。通过这些权重参数来强调或选择目标处理对象中所包含的重要信息,并且抑制住一些无关的细节信息。通俗来讲就是,将注意力集中到有用的信息上,而减少或不用再噪声中花费时间,节省算力。把Attention仍然理解为从大量信息中,有选择的筛选出少量重要信息,并聚焦到这些重要信息上,忽略掉大多数不重要的信息。聚焦的这个过程就体现在这些权重系数的计算上,权重越大越聚焦于其对应的Value值上,即权重代原创 2021-11-14 16:01:09 · 3013 阅读 · 0 评论