学习中的一点总结
文章平均质量分 56
Keep_Trying_Go
无
展开
-
论文The Effectiveness of a Simplified Model Structure for Crowd Counting(FFNet)详解
当前的人群统计模型方法比较复杂,使用简单的 结构构建一个高性能的人群统计模型。采用多尺度特征融合的方法主要目的是对不同尺。第二点:一个多尺度特征融合结构,这个多尺度特征。融合结构包含三个分支,并且融合的方法采用直。第一点:采用已有的分类模型。原创 2024-08-20 16:07:15 · 762 阅读 · 0 评论 -
接触计算机专业 => 学习计算机&学习编程 => 模仿代码 => 开始理解代码 => 提升自我(C/C++/Python/深度学习-PyTorch&TensorFlow&PaddlePaddle)
总结一点就是如果自己在接触一门语言之前,对这门语言没有一点了解,那么可以根据相关的视频从头开始学习,但是如果有了该语言一定基础的小伙伴就不要从头开始学习,我比较喜欢找一些简单的案例开始学习,从简单的案例中学习会进步的更快并且时间上也会节省很多,我们学习的过程中不要试图把所有的东西都记住,而是在学习的过程中去总结和掌握。“有时候做的越多并不是越好的,明确自己的方向,做出正确的选择可能才是最重要的”,我相信每个人都有自己的观点,不要因为我的观点而影响自己。努力很重要,选择同样很重要。原创 2024-08-16 15:56:05 · 483 阅读 · 0 评论 -
paddlepaddle深度学习框架训练LeNet5模型(一)
paddlepaddle深度学习框架训练LeNet5模型(一)原创 2023-07-21 21:40:08 · 595 阅读 · 0 评论 -
windows平台使用CMake工具对darknet的编译以及安装过程+yolov3+图像检测+摄像头检测+视频检测+手机作为摄像头进行检测(详解)
windows平台使用CMake工具对darknet的编译以及安装过程+yolov3+图像检测+摄像头检测+视频检测+手机作为摄像头进行检测(详解)原创 2023-05-22 13:43:04 · 2097 阅读 · 3 评论 -
DarkNet的编译及安装的过程(无GPU的情况详解)
DarkNet安装的过程(详解)原创 2023-05-20 12:23:57 · 1324 阅读 · 2 评论 -
GAN原理及Pytorch框架实现GAN(比较容易理解)
Pytorch框架实现GAN(比较容易理解)原创 2023-04-26 14:58:23 · 5048 阅读 · 12 评论 -
基于Pytorch框架的目标检测迁移学习和微调训练自己的数据集
基于Pytorch框架的目标检测迁移学习和微调训练自己的数据集原创 2023-04-21 12:00:31 · 794 阅读 · 2 评论 -
使用python修改文件名并保存
使用python修改文件名并保存原创 2023-01-02 15:03:33 · 1290 阅读 · 0 评论 -
使用Tensorflow训练检测口罩模型完整实例
使用Tensorflow训练检测口罩模型完整实例原创 2023-01-01 22:20:44 · 1342 阅读 · 3 评论 -
使用pytorch加载数据集和对数据集进行处理
使用pytorch加载数据集和对数据集进行处理原创 2022-12-30 20:45:27 · 950 阅读 · 0 评论 -
Tensorflow中预处理图像的方法
Tensorflow中预处理图像的方法原创 2022-12-29 15:13:54 · 1551 阅读 · 0 评论 -
从开始学习算法到学习计算机视觉
从开始学习算法到学习计算机视觉原创 2022-10-21 17:32:10 · 651 阅读 · 0 评论 -
DeepLabV3(Rethinking Atrous Convolution for Semantic Image Segmentation)
DeepLabV3(Rethinking Atrous Convolution for Semantic Image Segmentation)原创 2022-09-14 18:12:02 · 2533 阅读 · 0 评论 -
DeepLabV2(Semantic Image Segmentation withDeep Convolutional Nets, Atrous Convolution,and Fully C)
DeepLabV2(Semantic Image Segmentation withDeep Convolutional Nets, Atrous Convolution,and Fully C)原创 2022-09-13 15:06:44 · 950 阅读 · 0 评论 -
DeepLabV1(semantic image segmentation with deep convolutional nets and fully connected CRFs)论文
DeepLabV1(semantic image segmentation with deep convolutional nets and fully connected CRFs)论文原创 2022-08-20 21:59:55 · 1115 阅读 · 0 评论 -
U-Net++(Redesigning Skip Connections to ExploitMultiscale Features in Image Segmentation)论文详解
U-Net++(Redesigning Skip Connections to ExploitMultiscale Features in Image Segmentation)论文详解原创 2022-08-12 22:08:47 · 1848 阅读 · 0 评论 -
U-Net生物医学图像分割讲解(Convolutional Networks for BiomedicalImage Segmentation)
U-Net生物医学图像分割讲解(Convolutional Networks for BiomedicalImage Segmentation)原创 2022-08-01 22:44:40 · 918 阅读 · 0 评论 -
FCN中制作自己的数据集并进行训练
FCN中制作自己的数据集并进行训练原创 2022-07-30 23:53:14 · 2300 阅读 · 6 评论 -
FCN——深度学习领域图像分割(Fully Convolutional Networks for Semantic Segmentation)
深度学习领域图像分割FCN(Fully Convolutional Networks for Semantic Segmentation)原创 2022-07-26 23:45:22 · 1355 阅读 · 0 评论 -
深度学习领域语义分割常用数据集:PASCAL VOC 2007 ,2012 NYUDv2 SUNRGBD CityScapes CamVid SIFT-Flow 7大数据集介绍
深度学习领域语义分割常用数据集:PASCAL VOC 2007 ,2012 NYUDv2 SUNRGBD CityScapes CamVid SIFT-Flow 7大数据集介绍原创 2022-07-24 13:48:26 · 4722 阅读 · 0 评论 -
使用MobileNet_SSD进行目标检测
使用MobileNet_SSD进行目标检测原创 2022-07-14 18:39:33 · 4049 阅读 · 6 评论 -
图像分割FCN项目实战:测试和数据集训练
图像分割FCN项目实战:测试和数据集训练原创 2022-07-14 09:17:16 · 2240 阅读 · 7 评论 -
Nodejs安装和下载
Nodejs安装和下载原创 2022-06-28 19:52:36 · 2621 阅读 · 0 评论 -
深度学习之网络模型
深度学习网路模型原创 2022-06-25 15:31:40 · 3271 阅读 · 3 评论 -
EfficientNetV2结构讲解( Smaller Models and Faster Training)
EfficientNetV2结构讲解原创 2022-06-08 20:35:01 · 1977 阅读 · 0 评论 -
使用Tensorflow实现EfficientNetV2-S结构
使用Tensorflow实现EfficientNetV2结构原创 2022-06-08 20:33:34 · 1107 阅读 · 0 评论 -
使用EfficientNetV1训练数据集进行图片预测(前端显示图片,包括微调对比)
使用EfficientNetV1训练数据集进行图片预测(前端显示图片,包括微调对比)原创 2022-06-02 21:53:16 · 563 阅读 · 0 评论 -
使用Tensorflow实现EfficientNetV1网络结构
使用tensorflow实现EfficientNetV1网络结构原创 2022-06-02 16:05:15 · 319 阅读 · 0 评论 -
EfficientNetV1结构讲解(Rethinking Model Scaling for Convolutional Neural Networks)
文章目录1.论文地址2.卷积神经网络发展历程3.EfficientNetV1提出原因4.EfficientNetV1优化网络结构的思路5.图表比较6.depth,width,resolution调整图7.depth,width,resolution的缩放8.实验结果1.论文地址 https://arxiv.org/abs/1905.119462.卷积神经网络发展历程在AlexNet横空出世之后,卷积神经网络被大量应用于深度学习深度学习的研究如雨后春笋般出现;到2013年的图像分类冠军ZFNet,;原创 2022-05-29 21:23:39 · 342 阅读 · 0 评论 -
知识蒸馏(Distilling the Knowledge in a Neural Network)
文章目录1.论文作者介绍2.论文地址3.什么是知识蒸馏4.为什么要提出知识蒸馏5.知识蒸馏中Teacher model和Student model6.采用soft targets和hard targets(1)对于传统的hard targets(2)Soft targets7.公式解释8.知识蒸馏的应用场景9.实验过程(1)在MNIST手写体数字识别数据集上进行了训练(2)零样本学习1.论文作者介绍(1)Jeff Dean:天才程序员,谷歌搜索索引技术的幕后大脑(编译器不警告Jeff Dean,Jeff原创 2022-05-27 20:33:54 · 756 阅读 · 1 评论 -
ZFNet一点总结
文章目录1.论文地址2.反卷积可视化3.为什么要可视化卷积神经网络呢?4.改进的AlexNet5.反池化6.反激活和反卷积7.不变性8.训练过程中不同层特征演化可视化,平移,缩放和旋转敏感分析9.遮挡敏感分析10.局部相关性遮挡分析11.在Imagenet上训练的模型迁移学习泛化分析;Caltech-101,Caltech-256,PASCAL VOC 2012;全连接层和卷积层去除的性能分析;各层特征有效性能分析1.论文地址https://arxiv.org/abs/1311.29012.反卷积可原创 2022-05-18 20:27:15 · 409 阅读 · 0 评论 -
ShuffleNetV2网络结构训练模型(图像分类)
文章目录1.ShuffleNetV2网络结构讲解2.重新搭建ShuffleNetV2模型结构(便于训练)(1)关于数据集和训练的整个代码可以参考我这篇文章3.训练结果4.图像测试1.ShuffleNetV2网络结构讲解https://blog.csdn.net/Keep_Trying_Go/article/details/1247741292.重新搭建ShuffleNetV2模型结构(便于训练)(1)关于数据集和训练的整个代码可以参考我这篇文章https://mydreamambitious.b原创 2022-05-15 20:27:08 · 2048 阅读 · 0 评论 -
ShuffleNetV2网络结构讲解(TensorFlow-2.6.0实现结构)
文章目录1.论文地址2.ShuffleNetV1网络结构3.旷视轻量化卷积神经网络ShuffleNetV2(1)四种不同的模型在两种硬件平台上的结果(2)两个模型在两种硬件平台上的模型计算时间的对比(3)神经网络参数量,计算量FLOPS,内存访问量MAC4.轻量化网络设计原则(1)输入输出通道数相同时,内存访问量MAC最小(2)分组数过大的分组卷积会增加MAC(3)碎片化的操作对并行加速并不友好(4)逐元素操作(Element-wise)带来的内存和耗时不可忽略5.ShuffleNetV2模型结构6.实验结原创 2022-05-15 20:14:53 · 2482 阅读 · 1 评论 -
ShuffleNetV1网络结构(Tensorflow-2.6.0实现结构)
文章目录1.论文地址2.旷视轻量化卷积神经网络shuffleNet(1)分组卷积(2)Channel Shuffle(通道重排)3.shuffletNet模块4.ResNet,ResNeXt和ShuffleNet计算量的对比(1)ResNet(2)ResNeXt(3)ShuffleNet5.ShuffleNet结构6.实验结果对比(1)对比一(2)不同网络宽度下的比较(3)改造各个模型之后进行对比(4)ShuffleNet和MobileNet进行对比(5)和经典模型之间的额对比(6)8.TensorFlow原创 2022-05-10 21:53:06 · 873 阅读 · 0 评论 -
神经网络参数量,计算量FLOPS,内存访问量MAC
文章目录神经网络参数量,计算量FLOPS,内存访问量MAC(Memory Access Cost)对于卷积层而言:1.神经网络参数量计算方式2.计算量3.内存访问量对于全连接层而言:1.参数量2.计算量3.内存访问量BN层的参数量:神经网络参数量,计算量FLOPS,内存访问量MAC(Memory Access Cost)对于卷积层而言:1.神经网络参数量计算方式卷积层:假设输入特征图大小为: Hin x Win x M,卷积核大小KxK,N个卷积核,输出特征图大小为Hout x Wout x N.原创 2022-05-07 21:32:17 · 3964 阅读 · 4 评论 -
MobileNetV2轻量化网络结构(TensorFlow-2.6.0实现结构)
文章目录1.论文地址2.关于MobileNetV1博客3.MobileNetV1的局限性4.模型之间的对比(1)MobileNetV1和MobileNetV2(2)ResNet和MobileNetV25.MobileNetV2采用了新的激活函数ReLU66.MobileNetV2网络结构7.为什么很多Depthwise convolutions之后训练出来的很多都是0呢?8.实验结果对比9.TensorFlow实现网络结构1.论文地址https://arxiv.org/abs/1801.043812原创 2022-05-07 20:18:47 · 1844 阅读 · 0 评论 -
ValueError: The list of inputs passed to the model is redundant. All inputs should only appear once.
文章目录1.出错截图2.解决出现问题的地方1.出错截图2.解决出现问题的地方这个地方需要注意,需要事先将input_shape使用keras.Input转换为网络层可以接收的数据类型,那么才能传递给下面的卷积网络进行卷积。...原创 2022-05-03 21:41:14 · 679 阅读 · 0 评论 -
MobileNetV1轻量化网络结构(Tensorflow-2.6.0实现结构)
文章目录1.论文地址2.介绍3.GPU和CPU上前向传播的计算量4.标准卷积和深度可分离卷积5.深度可分离卷积计算机量对比6.MobileNetV1网络结构7.结果的对比8.MobileNetV1网络结构实现1.论文地址https://arxiv.org/abs/1704.048612.介绍MobileNet是谷歌轻量化卷积神经网络,轻量化网络广泛用于无人驾驶,移动端,物联网的边缘计算和人工智能算法部署,所以MobileNet也成为了很多轻量化网络的骨干网络。3.GPU和CPU上前向传播的计原创 2022-05-03 20:46:35 · 1584 阅读 · 0 评论 -
DenseNet讲解(Tensorflow-2.6.0实现结构)
文章目录1.论文地址2.DenseNet结构3.ResNet与DenseNet的对比(1)ResNet(深度残差网络,Deep residual network)(2)DenseNet4.公式理解(传统CNN,ResNet,DenseNet)5.网络结构讲解(1)DenseNet的连接方式(2)DenseBlock模块(3)bottleneck层(4)Transition层6.实现结果对比7.DenseNet的优缺点(1)更强的梯度流动(2)使用1x1的卷积减少了参数量(3)保存了低维度的特征(4)Dens原创 2022-05-01 20:57:56 · 3090 阅读 · 5 评论 -
Xception结构讲解(Tensorflow-2.6.0实现结构)
文章目录1.前言2.深度可分离卷积和普通卷积(1)普通的卷积操作(standard convolution)(2)深度可分离卷积(depthwise convolution)(3)点卷积(pointwise convolution)——1x1卷积3.对inceptionV3模块进行改进(1)inceptionV3中的原始模块(2)第一层简化(3)第二层简化(4)最后的简化4.Xception整体网络结构5.实验结果对比(补充)(1)深度可分离卷积中激活函数使用问题(2)在Imagenet数据集上训练的结果(原创 2022-04-29 21:25:50 · 4161 阅读 · 0 评论