2020年05月_夜灬凄美

原创 Datawhale-天池街景字符识别赛题 Task4 模型训练与验证

在上一章节我们构建了一个简单的CNN进行训练，并可视化了训练过程中的误差损失和第一个字符预测准确率，但这些还远远不够。一个成熟合格的深度学习训练流程至少具备以下功能：在训练集上进行训练，并在验证集上进行验证；模型可以保存最优的权重，并读取权重；记录下训练集和验证集的精度，便于调参。4 模型训练与验证为此本章将从构建验证集、模型训练和验证、模型保存与加载和模型调参几个部分讲解，在部分小节中将会结合Pytorch代码进行讲解。4.1 学习目标理解验证集的作用，并使用训练集和验证集完成训练学

2020-05-30 19:50:40 485

原创 Datawhale-天池街景字符识别赛题 Task3 字符识别模型

在前面的章节，我们讲解了赛题的背景知识和赛题数据的读取。本章开始构建一个字符识别模型，基于对赛题理解本章将构建一个定长多字符分类模型。3 字符识别模型本章将会讲解卷积神经网络（Convolutional Neural Network, CNN）的常见层，并从头搭建一个字符识别模型。3.1 学习目标学习CNN基础和原理使用Pytorch框架构建CNN模型，并完成训练3.2 CNN介绍卷积神经网络（简称CNN）是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精

2020-05-26 23:08:05 183

原创 Datawhale-天池街景字符识别赛题 Task2 数据读取与数据扩增（内含代码详解）

Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增在上一章节，我们给大家讲解了赛题的内容和三种不同的解决方案。从本章开始我们将逐渐的学习使用【定长字符识别】思路来构建模型，逐步讲解赛题的解决方案和相应知识点。2 数据读取与数据扩增本章主要内容为数据读取、数据扩增方法和Pytorch读取赛题数据三个部分组成。2.1 学习目标学习Python和Pytorch中图像读取学会扩增方法和Pytorch读取赛题数据2.2 图像读取由于赛题数据是图像数据，赛题的任务是识别图像中的字

2020-05-23 12:25:56 433 1

原创 Mask R-CNN 阅读分享

可供参考的链接：https://zhuanlan.zhihu.com/p/65321082一.本文研究的主要内容主要解决目前实例分割速度慢，对于重叠部分分割不准确问题二.本文的创新点提出了一个更高效的实例分割算法提出的框架简单有效，有助于简化实例级识别的未来研究提出了RoIAlign在mask分支上替代Faster R-CNN中的RoIpolling三.本文的整体结构本文提出的方法是建立在Faster Rcnn的回归校正和分类分支上又并联了一个Mask分支达到像素级别的分类，

2020-05-20 14:51:09 190

原创 Datawhale-天池街景字符识别赛题 Task1 赛题理解

Datawhale 零基础入门CV赛事-Task1 赛题理解本章内容将会对街景字符识别赛题进行赛题背景讲解，对赛题数据的读取进行说明，并给出集中解题思路。1 赛题理解赛题名称：零基础入门CV之街道字符识别赛题目标：通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。赛题任务：赛题以计算机视觉中字符识别为背景，要求选手预测街道字符编码，这是一个典型的字符识别问题。为了简化赛题难度，赛题数据采用公开数据集SVHN，因此大家可以选择很多相应的paper作为

2020-05-20 12:38:26 218

原创 Unsupervised Low-light Image Enhancement Using Bright Channel Prior阅读分享

一.简介论文题目：《使用先验的明亮通道知识来无监督微光图像增强》论文研究内容：无监督微光图像增强二.创新点提出了无监督低光照增强方法引入饱和度损失和注意力机制能有效的保留图像增强后的细节和自然度三.具体方法3.1本文的网络框架3.2本文涉及到的公式3.3本文具体的过程1.通过公式1列出低光照图像I与照明图t和增强后的图J和环境光A之间的关系2.公式5是根据公式1将增强图J推导出来，只要估计出等式参数（也就是A和T）就可以算出增强图3.照明图T是

2020-05-10 15:20:37 1638 1

原创 A Model-driven Deep Neural Network for Single Image Rain Removal阅读分享

说明论文题目：模型驱动的深度神经网络用于单幅图像去除雨水代码地址：https://github.com/hongwang01/RCDNet一.本文主要研究内容虽然当前一些DL已经对去单张图像去除雨水问题达到了很好的效果，但是当前的大多数DL体系结构仍然缺乏足够的可解释性，本文提出了一种基于模型驱动的可解释性网络结构， rain convolutional dictionary network(RCDNet)并且对于单张图像去雨水问题,有很好的通用性和更好的去除效果。二.本文的创新点提

2020-05-09 08:13:10 2219

原创 DerainCycleGAN: An Attention-guided Unsupervised Benchmark for Single Image Deraining and Rainmakin

一.论文信息论文题目《DerainCycleGAN: An Attention-guided Unsupervised Benchmark for Single Image Deraining and Rainmaking》二.阅读心得2.1本文解决的问题本无通过以主干网路cycleGAN为主的无监督模型，达到对雨天图像去除雨水效果2.2本文的创新点由于cycleGAN对于pict...

2020-05-07 00:44:48 967 3

原创 Datawhale-机器学习算法-Task4 SVM

学习内容SVM 硬间隔原理SVM 软间隔SMO 求解SVM代码设计1、硬间隔本文是需要一定基础才可以看懂的，建议先看看参考博客，一些疑惑会在文中直接提出，大家有额外的疑惑可以直接评论，有问题请直接提出，相互交流。SVM-统计学习基础一开始讲解了最小间距超平面：所有样本到平面的距离最小。而距离度量有了函数间隔和几何间隔，函数间隔与法向量www和bbb有关，www变为2w2w2w则...

2020-05-01 21:42:38 235

jhb1021821368的博客