![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
【科研探索】
文章平均质量分 75
MengYa_DreamZ
努力经营当下,直至未来明朗!(欢迎交流xy:半块巧克力哇,回复较快)
展开
-
【python代码】Kittle数据集的ground truth生成深度图攻略|彩色深度图|代码无恼运行
【python代码】Kittle数据集的ground truth生成深度图攻略|彩色深度图|代码无恼运行原创 2023-05-31 22:33:55 · 3128 阅读 · 7 评论 -
【科研】python-opencv批处理文件夹图像-灰度/深度图像彩色化
简单明了,直接使用【科研】python-opencv批处理文件夹图像-灰度/深度图像彩色化目标:将文件中所有灰度/深度图像彩色化,增强图像效果。流程:在python中利用opencv的colormap函数完成转化。原创 2023-02-23 15:31:05 · 1318 阅读 · 0 评论 -
【科研】测试速通:python不同文件夹下同名图像拼接
简单明了的图像拼接方式,流程详细。【科研论文必备】测试速通:python不同文件夹下同名图像拼接现有:测试样本相同(名命相同),测试模型不同,测试结果分别保存至不同文件夹目标:结果显示在同一张图像上原创 2023-02-23 14:59:45 · 881 阅读 · 0 评论 -
【科研】一目了然单目深度估计实验评价指标
【科研】单目深度估计实验评价指标原创 2023-02-20 13:53:14 · 2186 阅读 · 1 评论 -
【科研】终端直接构建虚拟环境-可直接用或待解析
终端直接构建虚拟环境-可直接用或待解析原创 2023-02-20 13:33:53 · 75 阅读 · 0 评论 -
【CBAM||目标识别||注意力机制||gated卷积】Convolutional Block Attention Module
CBMA:卷积注意力机制模块-结合了空间(spatial)和通道(channel)的注意力机制模块。给定一个中间特征图,CBAM模块会沿着两个独立的维度(通道和空间)以此推断注意力图,然后将注意力与输入特征图相乘以进行自适应特征优化。由于CBAM是轻量级的通用模块,因此可以忽略的该模块的开销而将其无缝集成到任何CNN架构中,并且可以与基础CNN一起进行端到端训练。原创 2022-12-06 20:19:42 · 2020 阅读 · 1 评论 -
【Tensorboard】工具使用细节记录,实现训练数据保存及可视化,修改端口号
Python训练:Tensorboard等记录实验数据如loss等操作1 导入tensorboard-前提安装tensorboard!端口6006被占用报错情况2 确定存储位置3 作为预训练参数加载函数4 调用加载函数5 保存训练模型参数6 tensorboard可视化-环境:ubuntu原创 2022-11-23 19:42:49 · 1719 阅读 · 0 评论 -
【MViTv2||图像分类||目标检测】Improved Multiscale Vision Transformers for Classification and Detection
【MViTv2||图像分类||目标检测】Improved Multiscale Vision Transformers for Classification and Detection思路记录原创 2022-11-16 19:21:07 · 1217 阅读 · 0 评论 -
【CheckNewest】Attention Attention Everywhere:Monocular Depth Prediction with Skip Attention
pixelformer:Attention Attention Everywhere:Monocular Depth Prediction with Skip Attention原创 2022-11-16 19:15:19 · 1078 阅读 · 0 评论 -
【Feature map visualization】卷积神经网络如何可视化特征图?—详细记录-函数可直接调用
【Feature map visualization】卷积神经网络如何可视化特征图—详细记录-函数可直接调用- Feature map visualization干货满满,直接调用【Pytorch】图像处理深度学习网络中间特征图可视化—有效记录 特征图可视化模板该教程是从知晓特征图的位置进行特征图查看!至于特征图在哪,建议Debug跟踪一下x的序列!原创 2022-11-03 18:49:02 · 1837 阅读 · 0 评论 -
卷积神经网络CNN/Pytorch,如何理解特征图Feature map?
基础详解,卷积神经网络/Pytorch,如何理解特征图Feature map?原创 2022-03-25 08:40:41 · 14646 阅读 · 5 评论 -
【Timm】create_model全面详实概念理解及实践篇
【Timm】create_model概念理解及实践篇探究如何构建基于一文读懂create_model vision transformer的模型,发现,更多重点应该是放在如何有效利用现有库调用及构建模型,这篇就主要记录调用Timm:create_model相关应用!原创 2022-09-04 17:17:41 · 7823 阅读 · 1 评论 -
训练DPT:由测试test到训练train图像的一个epochs的optimize.zero_grad() loss.backward() optimizer.step()
训练DPT如何从test进一步得到train呢?一个epochs的optimize.zero_grad() loss.backward() optimizer.step()原创 2022-03-09 10:25:10 · 2056 阅读 · 0 评论 -
Python:一张图像在网络中会遇到什么?
Python:一张图像在网络中会遇到什么?imread、resize、normalization、scale、numpy、torch原创 2022-03-07 12:02:23 · 1193 阅读 · 0 评论 -
图像处理:以图像分类和图像深度估计为例,如何将研究想法进行迁移学习应用?
以图像分类与图像深度估计为例,尽可能地探讨其思想的异同?如何实现思想的迁移?图像深度估计的训练仅作经验积累,不保证思考的都对!图像处理:如何将研究想法进行迁移学习应用?我们总会从不同领域的不同论文中获取一些想法,但是如何将其应用到自己所在的领域呢?原创 2022-09-03 17:54:06 · 399 阅读 · 0 评论 -
一文总结-ViT:Vision transformer的cls token如何实现分类?
根据先前的一篇博客,可以关注到VitT作者引用类似flag的class token,其输出特征加上一个线性分类器就可以实现分类。那么,为什么可以这样做呢?是怎么实现的呢?1 Flag:究其根源,cls token类似flag?根据Flag的概念,cls token该如何理解?2 cls token在vision transformer中跟随的计算?3 cls token输出特征加上一个线性分类器就可以实现分类?线性分类器的概念?...原创 2022-09-01 13:07:28 · 6154 阅读 · 0 评论 -
ViT: Vision transformer的cls token作用?
一文普及ViT: Vision transformer的cls token作用?够全面原创 2022-08-30 12:31:09 · 13437 阅读 · 9 评论 -
GitHub:ViT-pytorch相关学习-视觉分类方向-1
GitHub:ViT-pytorch相关学习-视觉分类方向原创 2022-08-30 09:33:41 · 1837 阅读 · 2 评论 -
【Timm】搭建Vision Transformer系列实践,终于见面了,Timm库!
搭建Vision Transformer系列实践,终于见面了,Timm库!手把手搭建transformer框架理念和实践的资源!工具了解很重要!根本就不是完全自己搭建哇!有现成的工具!原创 2022-07-22 22:28:49 · 3321 阅读 · 6 评论 -
【科研】浅学Cross-attention?
图像处理相关重点科研记录1.Cross attention概念2.Cross-attention vs Self-attention3.Cross-attention算法4.Cross-Attention 案例-感知器IO原创 2022-09-04 14:33:07 · 81899 阅读 · 16 评论