大肥肥肉肉-CSDN博客

原创 PSP(多感受野的金字塔结构PSPNet)

上下文信息与多尺度融合对于提高精度是十分有效的。具有合适全局场景级先验的深层网络可以大大提高场景解析的性能。在一个深层的神经网络中，感受野的大小可以粗略地表明我们使用上下文信息的程度。为了解决实际感受野比理论感受野往往更小，不能够充分利用全局先验信息的问题，这使得许多网络无法充分融合先前的全局信息。论文通过提出有效的全局先验表示方式来解决这个问题。全局平均池化是获取全局上下文先验信息的良好方式，但是却不足覆盖所有的必要信息...

2022-03-23 10:26:17 4242

原创非对称编解码，轻量化解码器（Deeplab v3+)

在空洞卷积提出以前，大部分上采样都是线性或者双线性插值或者后来的反卷积。前者通常是通过线性或双线性变换进行插值，虽然计算量小，但是效果有时不能满足要求；后者则是通过卷积实现，虽然精度高，但是参数计算量增加了，同时会产生“栅格效应”。空洞卷积的优点：让我们能够方便的控制特征分辨率在不增加参数数目或者计算量的同时，有效扩大感受野。空洞卷积的定义：字面上就很好理解，翻译为扩张卷积或空洞卷积，是在标准的 convolution map 里注入空洞，以此来增加 reception fi...

2022-03-23 10:01:23 4084

原创对称的编解码结构：（UNet 和 SegNet)

编解码结构其实就是指整个网络中存在一个主要的编码器块和解码器块。编码器块主要用来从输入中提取特征图谱，而解码器块主要是将经过编码器处理的输入所得到的特征进行进一步的特征优化和任务处理。U-net 专门为医学图像所提出的分割网络。将图像->高语义feature map的过程看成编码器，高语义->像素级别的分类score map的过程看作解码器。在FCN中，Skip connection的联合是通过对应像素的求和，而U-Net则是对其的channel的conc...

2022-03-23 09:11:40 3666

原创 1.5 条件生成对抗网络（CGAN)

1.什么是CGAN 在CGAN训练期间，生成器学习为训练数据集中的每个标签生成逼真的样本，而鉴别器则学习区分真的样本-标签对与假的样本-标签对。只学习接受真实且样本-标签匹配正确的对，拒绝不匹配的对和样本为假的对。2.生成器条件标签称为y，生成器使用噪声向量Z和标签y合成一个伪样本。3.鉴别器接受带标签的真实样本（x,y),以及生成器生成的伪样本4.代码实现 4.1导入数据库%matplotlib inlineimp...

2021-11-22 12:26:14 3437

原创 1.4半监督生成对抗网络（SGAN)

1.SGAN简介半监督学习只为训练数据集的一小部分提供类别标签。通过内部数据中的隐藏结构，半监督学习从标注数据点的小子集中归纳，以有效对从未见过的新样本进行分类。要使半监督学习有效，标签数据和无标签数据必须来自相同分布。半监督生成对抗网络是一种生成对抗网络，其鉴定器是多分类器，不止区分真假两个类，而是学会区分N+1类，其中N是训练数据集中的类数，生成器生成的伪样本为一个类。 SGAN主要关心的是鉴别器。训...

2021-11-21 16:42:16 7458 3

原创 2.1.Pytorch目标检测--Yolo V3

1.Yolo V3的网络结构1.主干网络：（DarkNet-53)左边用虚线框起来的部分。主干特征提取网络主要的目的是提取图片的特征输入是一个416*416*3，然后经过卷积和残差网络，这个过程是一个下采样的过程。在下采样的过程中，图像的宽和高不断被压缩，通道数不断被扩张。可以获得一堆的特征层，可以表示输入进来的图片的特征。2.注意主干网络的最后3个特征层，3个特征层的shape分别为（52，52，256），（26，26，...

2021-11-20 16:51:48 4086 1

原创 3.1(PyTorch入门）Tensors(张量）

准备把PyTorch官方教程学习一下。下面是一个学习记录#导入PyTorch库from __future__ import print_functionimport torch1.构造一个5*3矩阵，不初始化。x = torch.empty(5, 3)print(x)#-------------------------"""tensor([[4.6939e+21, 3.0946e-41, 3.3631e-44], [0.0000e+00,

2021-11-20 15:05:14 925

原创 1.3渐近式增长生成对抗网络（PGGAN)

1.导入数据库import tensorflow as tffrom tensorflow import keras as K2.高分辨率层渐近式平滑增长（第一个创新点）专业的术语，就是训练过程正在从几个低分辨率的卷积层发展到多个高分辨率层，先训练早期的层，再引入更高分辨率的层，但是即便一次增加一个层，也会给训练带来巨大的影响。PGGAN所做的就是平滑地增加这些层，以给系统适用更高的分辨率的时间但不是立即跳到该分辨率，而是在通过参数a平滑地增加高分辨率的新层...

2021-11-19 15:44:52 3808

原创 1.2.深度卷积生成对抗网络（DCGAN)

第一节是只用了一个隐藏层，这节生成器和鉴定器都将使用卷积神经网络，看看会不会产生不一样的结果。1.导入训练和训练模型所需的所有包，模块以及库。%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as npfrom keras.datasets import mnistfrom keras.layers import Activation, BatchNormalization, Dense, Dropout, Fl

2021-11-18 15:22:56 1642

原创 1.1.GAN-学习生成手写数字

第一次写博客，希望大家担待，一起学习，一起进步！1.导入模块并且指定模型输入维度%matplotlib inlineimport matplotlib.pyplot as pltimport numpy as npfrom keras.datasets import mnistfrom keras.layers import Dense, Flatten, Reshapefrom keras.layers.advanced_activations import LeakyReLU..

2021-11-17 15:52:01 488

fdgdg1的博客