在下黄小二-CSDN博客

原创 pytorch学习（九）——shuffleNet网络搭建

本篇博客是学习B站霹雳吧啦Wz教学视频的总结本节所用到的程序和教学视频链接：程序视频网络结构提出了channel shuffle的思想，并且shuffleNet Unit 中全是GCov和DWCov 上图中(a)是串行结构，GConv虽然能够减少参数的运算量，但GConv中不同组之间的信息没有交流（b）使用channel shuffle将不同组的信息交叉在之前的残差网络中，网络中大部分的计算量都被1×11\times 11×1的卷积占据，所以这里将卷积全部换成group卷积 Sh

2021-06-03 16:03:49 993

原创 pytorch学习（八）—— 目标检测前言

本篇博客是学习B站霹雳吧啦Wz教学视频的总结本节教学视频链接：视频目标检测 One-stage SSD YOLO 主要步骤基于anchors直接进行分类以及调整边界框优点: 检测速度快 Two-Stage: Faster-RCNN 主要步骤通过专门的模块生成候选框（RPN），寻找前景以及调整边界框（基于anchors）基于之前生成的后选矿进行进一步分类以及调整边界框（基于proposals）优点检测更准确 ...

2021-06-01 10:32:01 179

原创 pytorch学习（七）——查看中间特征层及卷积核参数

本篇博客是学习B站霹雳吧啦Wz教学视频的总结本节所用到的程序和教学视频链接：程序视频查看中间特征层在书写网络的类的过程中，于forward函数中增加记录层参数的数组： def forward(self, x): outputs = [] for name, module in self.features.named_children(): x = module(x) if name in ["0", "3", "6

2021-06-01 10:19:19 5633

原创 pytorch学习（六）—— MobileNet网络搭建

本篇博客是学习B站霹雳吧啦Wz教学视频的总结本节所用到的程序和教学视频链接：程序视频数据集下载，提取码:dw2d MobileNet V1网络结构在移动设备中运行深度学习轻量级CNN网络，牺牲少量准确率来大大减少模型参数与运算量提出了Depthwise Convolution+Pointwise Convolution 大大减少运算量(理论上普通卷积计算量是DW+PW的8到9倍) DW卷积（Depthwish Cov）卷积核的深度为1 输入特征矩阵channel=卷积核的个数=

2021-05-31 18:40:46 621

原创 pytorch学习（五）—— ResNet网络搭建

本篇博客是学习B站霹雳吧啦Wz教学视频的总结本节所用到的程序和教学视频链接：程序视频数据集下载，提取码:dw2d 网络解析超深的网络结构提出Residual模块使用Batch Normalization 加速训练（丢弃dropout）网络结构上述黑色箭头表示残差结构虚线与实线相比会额外附加一个卷积层残差结构左侧适用于较少层数，右侧适用于较多层数弧线与加号表示，网络的输出结果与输入相加得到最终的结果主路输出的结果的宽和高要与输入的矩阵的宽和高相同右侧1×11\t

2021-05-30 16:24:13 849 1

原创 pytorch学习（四）——GoogLeNet网络搭建

本篇博客是学习B站霹雳吧啦Wz教学视频的总结本节所用到的程序和教学视频链接：程序视频数据集下载，提取码:dw2d 网络结构 1.提出inception 结构初始版本先前层得到的特征矩阵同时输入到3个卷积层和一个池化层中进行处理然后按照深度进行拼接，得到输出特征矩阵，其中四个框得到的结果其宽和高必须相同进阶版本与初级版本相比，进阶版除了1×11\times11×1的卷积层外，其他三个都与一个1×11\times 11×1的卷积核进行串联，这三个1×11 \times

2021-05-27 11:27:20 240

原创 pytorch学习（三）——VGG网络搭建

本篇博客是学习B站霹雳吧啦Wz教学视频的总结本节所用到的程序和教学视频链接：程序视频数据集下载，提取码:dw2d VGG网络特性通过堆叠多个3×33\times 33×3的卷积核来代替大尺度卷积核（减少所需参数）程序结构 model.py train.py {predict.py] ...

2021-05-26 16:17:58 243

原创 pytorch学习（二）——AlexNet网络搭建

本篇博客是学习B站霹雳吧啦Wz教学视频的总结本节所用到的程序和教学视频链接：程序视频数据集下载，提取码:dw2d 数据集下载及解压按照上述下载地址下载数据集，并按照视频中的方法及脚本文件对数据集进行处理 model.py import torch.nn as nn import torch class AlexNet(nn.Module): def __init__(self, num_classes=1000, init_weights=False): super

2021-05-25 20:10:39 359

原创 pytorch学习（一）——LeNet网络搭建

本篇博客是学习B站霹雳吧啦Wz教学视频的总结本节所用到的程序和教学视频链接：程序教学视频程序结构模型搭建训练，train 预测，predict 1 模型搭建： import torch.nn as nn import torch.nn.functional as F class LeNet(nn.Module): #初始化函数，网络层结构 def __init__(self): super(LeNet, s

2021-05-25 14:20:53 440

原创傅里叶单像素成像

傅里叶单像素成像文章目录傅里叶单像素成像数学原理**通过单像素探测器获取二维图像的傅里叶谱**程序**Single-pixel imaging by means of Fourier spectrum acquisition****具体步骤** 张子邦, 陆天傲, 彭军政,等.傅里叶单像素成像技术与应用[J]. 红外与激光工程, 2019, 48(6).、数学原理通过获取图像的傅里叶谱来重建图像本身。图像的傅里叶谱通过对目标物体投影一些列不同的傅里叶基地图案，并通过单像素探测器测量所得的光强值来获

2021-05-25 14:19:35 7162 1

huang_xiaoer的博客