Bill～QAQ～-CSDN博客

原创手撕CNN神经网络（二）反向传播（back propagation）

反向传播简单来说就是通过求偏导数从而更新神经网络中权重w的过程首先先简单复习一下前向传播（forward propagation）篇幅有限，bias（b）在图中就没画出来，大家知道有这么个东西就好，顺便再偷个懒，输出层的激活函数忘记画上去了~在正式说反向传播之前，先说两个简单的概念。

2022-08-22 09:29:22 1231 1

原创手撕CNN卷积神经网络原理（一）

我们常见的比较简单的神经网络如下图所示对于该神经网络，有以下感念1.输入层（input layer），可以理解为数学中线性函数 y=kx+b 中的若干个x2.权重w（weights）：可以理解为数学中线性函数 y=kx+b 中的 k3.偏执量b（bias）：可以理解为数学中线性函数 y=kx+b 中的 b4.a：可以理解为数学中线性函数 y=kx+b 中的y，但这个y不是该节点输出的结果。...

2022-08-16 17:50:38 2067 2

原创【语义分割项目实战】Augmentor数据增强与U-Net的综合应用

之前已经介绍过了数据增强工具Augmentor的使用以及简单的复现U-Net网络现在我们需要将两者综合运用起来，其中还是有不少问题需要微调的。

2022-08-08 15:53:01 2297

原创【语义分割项目实战】一种特殊的数据增强方式：copy-paste实战复现

运行成功后，在同一级文件夹下会生成一个格式与VOC2012格式一样的文件夹，里面分别存放了copy-paste之后的原图和掩膜图像。SegmentationClass下面存放的是与原图按顺序一一对应的掩膜图像，格式是png，一般来说用脚本生成的都是png。首先要制作一个自己的语义分割VOC格式数据集，这里我之前的教程有讲过，站里也有很多很详细的教程，就不赘述了。我使用的是仿VOC数据集进行复现，因为我觉得voc格式的数据集更直观简单一些。JPEGImages下存放的是图片的原图，格式为jpg，...

2022-08-01 14:28:48 2301 2

原创【语义分割项目实战】基于Augmentor工具的语义分割中常见几种数据增强方式（一）

简单来说Augmentor中有很多用于数据增强的函数，这些函数可以帮助我们非常简单的实现对于原图和掩膜图片的同步增强，我们只需要设置非常简单的参数，用起来非常方便2.注意事项（必读，很重要，浪费了好多时间摸索出来的QAQ）1.需要确保图像原图和掩膜图像的命名完全一样，例如原图命名为1.png，那么掩膜图像的名字也应该叫1.png，必须一一对应2.原图和掩膜图像都必须是png文件！，不能是jpg，jpeg！importosimportcv2。...............

2022-07-29 18:38:53 2958 6

原创【目标检测实战学习】数据增强的几种方法：cutout，mixup，mosaic，rotate，HSV，随机抖动实战

最近在学习数据增强方面的东西，简单做个记录首先需要强调的是，数据增强是目标检测流程中的一个过程，通常是在对数据集完成打标签之后，在划分数据集之前，为了增大数据集的数量，获取更多的特征，采用的一种方式。所以，在实战的过程中，不仅仅要对图像进行操作，还要对已经打好的标签（VOC数据集的xml文件）进行同样的对应操作下面开始正题首先需要准备好需要数据加强的原图（我使用的是jpeg格式）以及与原图一一对应的标签文件，命名必须一样如何使用labelimg制作VOC数据集可以看我之前的贴子。.........

2022-07-27 16:45:06 5249 9

原创【语义分割项目实战】制作语义分割数据集，并使用U-Net进行实战检测

这个好像是官方给的项目代码，用起来非常的方便，下载完直接解压压缩包，然后使用pycharm打开即可。

2022-07-25 15:07:27 2701 3

原创【目标检测实战学习】从零开始制作并训练自己的VOC数据集，并使用Retinanet进行目标检测

首先写一下我们这个项目的思路5.对训练集数据进行训练，得到一个权重文件.pt6.使用这个文件对测试集进行可视化结果测试。

2022-07-20 12:23:58 3967 4

debby233的博客