计算机视觉
文章平均质量分 85
竹子攀岩
这个作者很懒,什么都没留下…
展开
-
人脸关键点检测
https://www.cnblogs.com/raorao1994/p/11001755.html原创 2020-07-24 16:14:09 · 99 阅读 · 0 评论 -
torch.nn.parallel.DistributedDataParallel 使用笔记
1、报错:ERROR: Unexpected bus error encountered in worker. This might be caused by insufficient shared memory (shm).是由于在DataLoader中的num_workers设置过大,系统的共享内存不够用。Please note that PyTorch uses shared memory to share data between processes, so if torch multi原创 2020-07-05 12:47:03 · 9963 阅读 · 0 评论 -
deocder的拼接和相加;unet的优势;GAP
1、在decoder过程中,拼接和相加有什么区别?在相加的方式下,feature map 的维度没有变化,但每个维度都包含了更多特征,对于普通的分类任务这种不需要从 feature map 复原到原始分辨率的任务来说,这是一个高效的选择;而拼接则保留了更多的维度/位置 信息,这使得后面的 layer 可以在浅层特征与深层特征自由选择。UNET中的skip-connection结构,一方面,通过上采样(逆卷积)利用来自high-level的特征,另一方面,通过拼接,来利用low-level的特征,增强原创 2020-06-22 16:32:39 · 1959 阅读 · 0 评论 -
使用自己制作的数据集(制作成coco格式),运行fasterRCNN总结
1、使用github上的pytorch实现:https://github.com/jwyang/faster-rcnn.pytorch按照作者说明,配置好。注意,安装在服务器上的cuda版本要和编译这个工程使用的cuda版本一致,与pytorch调用的cuda版本一致,否则会报错:undefined symbol: __cudaPopCallConfiguration2、制作自己的数据:...原创 2020-04-25 18:00:41 · 1923 阅读 · 0 评论 -
denseNet
1、resnet:每个层与前面某一层短路链接(一般是2-3层)连接方式是元素级相加。densenet:密集连接机制,每个层都会与前面所有层在channel维度上连接(concat)在一起(各个特征图的大小是相同的),并作为下一层的输入。2、为了保持特征图大小相同,使用denseblock+transition结构。3、denseblock中,各个层卷积之后均输出k个特征图,即特征图的c...原创 2019-12-24 11:20:22 · 175 阅读 · 0 评论 -
Gumbel
参考“https://www.cnblogs.com/initial-h/p/9468974.html”和“https://www.zhihu.com/question/62631725/answer/201338234”和“https://zhuanlan.zhihu.com/p/62478599”Gumbel采样:Gumbel Trick 是一种从离散分布取样的方法,它的形式可以允许我们定...原创 2019-10-16 11:30:25 · 784 阅读 · 2 评论 -
SIXray论文学习
1、类别均衡;分层细化模型。2、假设每个输入图片都是从混合分布中采样得到的。【这个假设有什么作用?】3、深层网络需要一个迭代的过程来精确的推断图像内容。4、将反向链接插入到不同的网络骨干中,用高层的视觉线索辅助中间层的特征学习。5、针对正反数据集不均衡的特点,设计了一个类别平衡损失函数,最大限度的减少了简单负样本产生的噪声。...原创 2019-08-13 20:26:18 · 1270 阅读 · 0 评论 -
计算机视觉1
SIFT算法:提取图像中局部不变特征的算法。原创 2019-08-09 13:17:56 · 110 阅读 · 0 评论