Mowglee-CSDN博客

原创【动手学Paddle2.0系列】低配版PP-YOLO实战（一种改进的YOLOV3算法）

低配版PP-YOLO实战目录1、数据处理与读取2、目标检测模型PP-YOLO3、总结第一部分：数据处理与读取一、数据处理林业病虫害数据集和数据预处理方法介绍在本课程中，将使用百度与林业大学合作开发的林业病虫害防治项目中用到昆虫数据集。读取AI识虫数据集标注信息AI识虫数据集结构如下：提供了2183张图片，其中训练集1693张，验证集245，测试集245张。包含7种昆虫，分别是Boerner、Leconte、Linnaeus、acuminatus、armandi、coleoptera

2021-05-12 10:09:09 1197

原创【动手学飞桨2.0系列】基于Paddle的CosineWarmup实战

CosineWarmup实战Warmup最早出现于这篇文章中：Accurate, Large Minibatch SGD:Training ImageNet in 1 Hourconsine learning rate则来自于这篇文章Bag of Tricks for Image Classification with Convolutional Neural Networks一般情况下，只在前五个Epoch中使用Warmup，并且通常情况下，把warm up和consine learning rat

2021-05-10 13:46:45 964 1

原创【动手学Paddle2.0系列】模型参数EMA理论详解与实战

【动手学Paddle2.0系列】模型参数EMA理论详解与实战什么是EMA？滑动平均(exponential moving average)，或者叫做指数加权平均(exponentially weighted moving average)，可以用来估计变量的局部均值，使得变量的更新与一段时间内的历史取值有关。滑动平均可以看作是变量的过去一段时间取值的均值，相比对变量直接赋值而言，滑动平均得到的值在图像上更加平缓光滑，抖动性更小，不会因为某次的异常取值而使得滑动平均值波动很大，如下图公式所示。在深度学习中

2021-05-07 11:20:56 2382

原创【动手学Paddle2.0系列】手把手教你在ResNet_d中添加DCN

手把手教你在ResNet_d中添加DCN1、理论关于Resnet_vd以及DCN（可变形卷积），大家可以参考我之前的项目，【动手学Paddle2.0系列】PP-YoLo详解（1），【动手学Paddle2.0系列】可变形卷积（Deformable Conv）实战复习一下相关的理论知识。2、代码详解对于ResNet的BasicBlock结构，其包含两层1 * 1卷积，一层3 * 3卷积。如果我们想在其结构中引入DCN，直接将3 * 3卷积更换为DCN即可。如下面

2021-05-03 15:41:15 3670 2

原创【动手学Paddle2.0系列】CoordConv实战

CoordConv实战理论介绍CoordConv 即它无法将空间表示转换成笛卡尔空间中的坐标和one-hot像素空间中的坐标。卷积是等变的，也就是说当每个过滤器应用到输入上时，它不知道每个过滤器在哪。我们可以帮助卷积，让它知道过滤器的位置。这一过程需要在输入上添加两个通道实现，一个在i坐标，另一个在j坐标。我们将这个图层成为CoordConv，如下图所示：深度学习里的卷积运算是具有平移等变性的,这样可以在图像的不同位置共享统一的卷积核参数,但是这样卷积学习过程中是不能感知当前特征在

2021-04-28 13:35:09 1235

原创【动手学Paddle2.0系列】给女朋友做一次AI美甲

给女朋友做一次AI美甲陆总说我三个星期都没更新项目了，年初的Flag刚立到一半就倒了。这次陆总直接甩了一个数据集，搞一个美甲的小demo。本次项目代码量较少，但是涉及到的数字图像处理基础知识较多，在这里，我会为大家进行深入浅出的讲解，尽量让大家明白本次项目的原理。好了，让我们开始本次愉快的美甲之旅吧！一、基础知识数字图像处理中掩膜概念是借鉴于PCB制版的过程，在半导体制造中，许多芯片工艺步骤采用光刻技术，用于这些步骤的图形“底片”称为掩膜（也称作“掩模”），其作用是：在硅片上选定的区域中对一个

2021-04-27 17:35:18 514

原创【动手学Paddle2.0系列】DropBlock理论与实战

【动手学Paddle2.0系列】DropBlock理论与实战1.DropBlock理论介绍 dropout被广泛地用作全连接层的正则化技术，但是对于卷积层，通常不太有效。dropout在卷积层不work的原因可能是由于卷积层的特征图中相邻位置元素在空间上共享语义信息，所以尽管某个单元被dropout掉，但与其相邻的元素依然可以保有该位置的语义信息，信息仍然可以在卷积网络中流通。因此，针对卷积网络，我们需要一种结构形式的dropout来正则化，即按块来丢弃。在本文中，我们引入DropBlock，这是一种

2021-04-26 16:21:55 330

原创【动手学PaddlePaddle2.0系列】手把手带你实现表情分类

手把手带你实现表情分类任务：本次识别是一个图像二分类任务，利用卷积神经网络实现图像中表情的分类实践平台：百度AI实训平台-AI Studio、python3.7+飞桨2.0.0卷积神经网络（CNN）卷积神经网络（Convolution Neural Network，简称CNN），CNN 其实可以看作 DNN 的一种特殊形式。它跟传统 DNN 标志性的区别在于两点，Convolution Kernel 以及 Pooling。数据集介绍网上公开的人脸表情图像数据集：包含positive和ne

2021-04-25 13:58:10 587 1

原创基于飞桨图像分类套件PaddleClas的柠檬分类竞赛实战

前情提要通过之前教程中的学习，相信大家对于如何搭建一个分类网络已经清晰了。那么我们不禁会想，有没有更快速的尝试模型及技巧的方法呢？因为我们在上一次课程中使用的代码都需要自己进行开发，自己写需要很多的精力。PaddleClas作为飞桨的一个图像分类套件，已经为大家把所有的内容都写好了，只需要大家选择模型、并适配自己的数据集即可。基于飞桨图像分类套件PaddleClas的柠檬分类竞赛实战PaddleClas 是什么？ PaddleClas是飞桨为工业界和学术界所准备的一个图像分类任务的工具集，助力

2021-04-25 11:47:31 1357

原创 [动手学PaddlePaddle2.0系列]柠檬分类全流程实战

柠檬分类全流程实战在本次课程中，将以柠檬品相分类比赛为例，为大家详细介绍下图像分类比赛的完整流程。为大家提供从数据处理，到模型搭建，损失函数、优化算法选择，学习率调整策略到模型训练，以及推理输出一条龙服务。每个模块都有很多tricks，在这里我会逐一为大家进行理论介绍以及相应的代码实战。通过本次课程你将了解图像分类网络的搭建，并且能够具备参加图像分类竞赛的能力。（PS：本次课程包教包会，但是，不会也不退票！！！我们的服务宗旨就是不退票。）目录图像任务中Pipeline的构建（模块化）

2021-04-22 09:39:14 737

原创【动手学PaddlePaddle2.0系列】CSP网络结构实战

【动手学PaddlePaddle2.0系列】CSP网络结构实战0 理论介绍 Cross Stage Partial Network(CSPNet)就是从网络结构设计的角度来解决以往工作在推理过程中需要很大计算量的问题。作者认为推理计算过高的问题是由于网络优化中的梯度信息重复导致的。CSPNet通过将梯度的变化从头到尾地集成到特征图中，在减少了计算量的同时可以保证准确率。CSPNet是一种处理的思想，可以和ResNet、ResNeXt和DenseNet结合。其核心思想就是将输入切分。其目的在于提出一种

2021-04-21 15:12:39 2027

原创【动手学PaddlePaddle2.0系列】目标检测理论与YOLOv4详解

对计算机而言，能够“看到”的是图像被编码之后的数字，所以它很难理解高层语义概念，比如图像或者视频帧中出现的目标是人还是物体，更无法定位目标出现在图像中哪个区域。目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置，如图1 所示。图1：图像分类和目标检测示意图图1（a）是图像分类任务，只需识别出这是一张斑马的图片。图1（b）是目标检测任务，不仅要识别出这是一张斑马的图片，还要标出图中斑马的位置。目标检测发展历程在上一次训练

2021-04-21 15:03:01 1127

原创【动手学PaddlePaddle2.0系列】可变形卷积（Deformable Conv）实战

【动手学PaddlePaddle2.0系列】可变形卷积（Deformable Conv）实战本次教程将对MSRA出品的可变形卷积进行讲解，对DCNv1和DCNv2论文中提出的主要思想进行讲解，并对其代码实现进行讲解。最后，使用一个简单的图像分类任务对DCN进行验证。一、可变形卷积主要思想讲解这里我们首先看一下我们正常使用的规整卷积和可变形卷积之间的对比图。如下图所示：我们可以看到在理想情况下，可变形卷积能够比规整卷积学习到更加有效的图像特征。现在我们反推一下为什么这种卷积结构会比经典的卷

2021-01-28 09:57:03 2227 1

原创『我与飞桨的故事』越波飞桨逐凫鷖

『我与飞桨的故事』越波飞桨逐凫鷖一、故事的开始像所有故事开始的那样，都是源于好奇心。我最开始接触飞桨是在2019年，在那之前一直是自己对飞桨抱着一张感兴趣的态度进行尝试，编写一些程序，大概是1.7版本，报错信息真的是让人摸不着头脑，那个时候认识了老张，也就是GT，随后参加了飞桨的课程，小翠姐带的七日集训营，凭借自己的骚操作拿了一个小度音箱的奖品，然后也非常荣幸的被小翠姐选为助教，自此点燃了我对飞桨的学习热情，哈哈哈。之后认识了萌萌的灰酱，总之，认识了很多小伙伴，让我感到非常开心。放一下灰酱和

2021-01-13 15:10:35 173

原创【动手学PaddlePaddle2.0系列】浅谈混合精度训练

【动手学Paddle2.0系列】浅谈混合精度训练大家好，本次教程为大家介绍一下如何在Paddle2.0中开启混合精度训练，并对模型进行测试。1 混合精度训练混合精度训练最初是由百度和英伟达联和提出的，在论文Mixed Precision Training中，对混合精度训练进行了详细的阐述，并对其实现进行了讲解，有兴趣的同学可以看看这篇论文。1.1 半精度与单精度半精度（也被称为FP16）对比高精度的FP32与FP64降低了神经网络的显存占用，使得我们可以训练部署更大的网络，并且FP16在数据转换时

2020-12-28 19:54:42 1357 2

原创 [动手学PaddlePaddle2.0系列] 对于池化层和步长为2的卷积层的一些思考

[动手学PaddlePaddle2.0系列] 对于池化层和步长为2的卷积层的一些思考引言对于池化层和步长为2的卷积层的思考源于前一段时间对于2.0文档API的评估。自从ResNet开始，大家逐渐使用步长为2的卷积层替代Size为2的池化层，二者都是对特征图进行下采样的操作。池化层的主要意义（目前的主流看法，但是有相关论文反驳这个观点）在于invariance(不变性)，这个不变性包括平移不变性、尺度不变性、旋转不变形。其过程如下图所示。对于池化层和步长为2的卷积层来说，个人的理解是这样的，池化层

2020-12-24 13:31:17 3079 3

原创【动手学PaddlePaddle2.0系列】手把手教你打比赛-螺母缺陷检测

【动手学Paddle2.0系列】手把手教你打比赛-螺母缺陷检测本次教程将带领大家完整的走一遍比赛流程。经过前面一系列教程，相信大家对paddle2.0已经熟悉了，但是我们不能一直纸上谈兵，所以本次就带领大家完成一个实际的比赛项目。1 基础知识本次比赛采用的baseline模型为mobilnetv2，这是一个轻量级模型。来自论文MobileNetV2: Inverted Residuals and Linear BottlenecksMobileNetV2是在V1基础之上的改进。V1主要思想就是深度可

2020-12-22 09:43:08 964 1

原创【动手学PaddlePaddle2.0系列】模型训练的N种姿势

【动手学Paddle2.0系列】模型训练的N种姿势最开始接触深度学习的时候，我的码力几乎等于0，所以在最初的时候，几乎都是使用封装好的高层API进行训练，自由度很低。想通过这个教程，对paddle2.0中的各种开启训练的方式进行一个总结。让我们开始愉快的学（ban）习（zhuan）吧！1 Paddle2.0 主要思想那么，用框架来类比，飞桨框架基础API对应方法一，飞桨框架高层API对应方法二。使用基础API，我们可以随心所欲的搭建自己的深度学习模型，不会受到任何限制；而使用方法二，我们可以很快的

2020-12-22 09:41:08 2720 1

原创【动手学PaddlePaddle2.0系列】手把手教你自定义数据集

【动手学Paddle2.0系列】手把手教你自定义数据集本次将带领大家进行自定义数据集教程，并完整的走完整个项目流程。# 解压数据集，大家此处可以视自己的情况决定是不是要重新解压。!unzip -q data/data42610/foods.zip1 数据集预处理此部分首先对数据集进行简单的整理，在food_data.csv中写入图像路径，以及对应的标签。import osall_file_dir = 'foods'# f = open(r'train.txt', 'w')im

2020-12-09 17:06:27 5015 5

原创 [动手学PaddlePaddle2.0系列] 通过飞桨高层API实现迁移学习任务（102种鲜花识别）

[动手学PaddlePaddle2.0系列] 通过飞桨高层API实现迁移学习任务（102种鲜花识别）作者：lwb时间：2020.11本篇将介绍如何通过飞桨高层API实现迁移学习任务，数据集采用VGG出品的鲜花数据集，该数据集可通过paddle的API直接下载。该案例主要参考了『跟着雨哥学AI』系列01：初识飞桨框架高层APIimport warningswarnings.filterwarnings("ignore")import paddleprint(paddle.__version_

2020-12-08 11:28:28 1299

lxm12914045的博客