- 博客(21)
- 收藏
- 关注
原创 图像噪声处理
一、为图像添加噪声为图像添加噪声可以起到数据增强的作用对训练数据添加适量噪声,可以使训练后的模型更加鲁棒,对模型的性能提升有一定的帮助。两种常用噪声:椒盐噪声和高斯噪声import cv2import numpy as npimport random #添加椒盐噪声def salt_and_pepper_noise(img,percentage): rows,cols=img.shape num=int(percentage*rows*cols) for i in r
2021-07-15 12:23:30
3480
原创 更改电脑时间后屏幕一直刷新的解决办法
最近有个铁憨憨同学(**庆),把电脑日期进行了更改(把2021年7月1日改成2051年7月1日)。然后电脑就出现了闪屏的现象,什么都打不开! 一下各种网上查找方法,终于找到了解决办法! 亲测有效,这里记录一下!打开任务管理器Ctrl+Alt+Delete选择“服务”,点击下方的“打开服务”在服务中找到“Windows Time”,双击打开点击此服务,设置启动类型为自动,并点击启动,点击应用,然后确定...
2021-07-06 16:30:20
1356
4
转载 可分离卷积
先看一下nn.Conv2d()代码:torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros')输入:(N,C_in,H_in,W_in)输出:(N,C_out,H_out,W_out)dilation:空洞卷积率,控制卷积膨胀间隔groups:分组卷积来控制输入和输出的连接方式,in_chann
2021-07-06 15:50:03
1457
转载 tf.nn.conv2d参数含义和tf.nn.max_pool
一、tf.nn.conv2d()卷积函数各参数解析卷积在tensorflow中的API是tf.nn.conv2d()tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=True,data_format=‘NHWC’,name=None)input:输入,要求一定一个形状为(a,b,c,d)的tensor,也就是通常说的4维张量,它具有两种形式:NHWC,NCHW,表示输入的通道在第2维或者是第4维,在后面的参数data_format中
2021-06-30 16:49:12
310
转载 迁 移 学 习
什么是迁移学习?迁移学习的场景与应用深度|迁移学习全面概述:从基本概念到相关研究文章来源于sebastianruder.com,作者:Sebastain Ruder,由机器之心编译,原文链接点此即可跳转目录什么是迁移学习?迁移学习的场景与应用1、什么是迁移学习?2、为什么现在需要迁移学习3.迁移学习的定义4.迁移学习的场景5.迁移学习的应用从模拟中学习适应到新的域跨语言迁移知识6.迁移学习的方法使用预训练的CNN特征学习域不变的表征让表征更加相似混淆域7.相关的研究领域半监督学习更有效地使用可用的数.
2021-06-15 17:48:22
706
原创 linux下安装apex
官方安装:git clone https://github.com/NVIDIA/apexcd apexpip install -v --no-cache-dir --global-option="–cpp_ext" --global-option="–cuda_ext" ./2.安装出错,显示ERROR: Command errored out with exit status 1:网上尝试成功的方法:git clone https://github.com/NVIDIA/apexcd ap
2021-05-29 22:11:37
817
原创 Ubuntu20.04安装cuda10.1及对应版本的cuDNN7.6.5
安装前准备首先要查看你的NVIDIA显卡驱动是否支持cuda10.1版本。因为是在docker中执行,所以需要先进入你的容器:nvidia-docker start 容器名nvidia-docker attach 容器名在你的容器里执行以下命令查看cuda版本:nvidia-smiCUDA Version: … 这里的版本号需要大于等于你安装的cuda版本号关键点:gcc降级因为Ubuntu20.04自带的gcc版本为9.3,而cuda10.1不支持gcc-9,因此要手动安装gcc-7,
2021-05-29 12:19:11
2520
2
转载 一维卷积
一维卷积分为:full卷积、same卷积和valid卷积以一个长度为5的一维张量I和长度为3的一维张量k(卷积核)为例,介绍其过程。一维full卷积Full卷积的计算过程是:K沿着I顺序移动,每移动到一个固定位置,对应位置的值相乘再求和,计算过程如下:将得到的值依次存入一维张量Cfull,该张量就是I和卷积核K的full卷积结果,其中K卷积核或者滤波器或者卷积掩码,卷积符号用符号*表示,记Cfull=I*K一维same卷积卷积核K都有一个锚点,然后将锚点顺序移动到张量
2021-05-15 21:09:09
22772
9
原创 小卷积核代替大卷积核原理
卷积层特征图尺寸计算公式设置图片尺寸为64*64 pixel两个3*3卷积核代替5*5卷积核5*5卷积的特征图尺寸:kernel=5*5,stride=1,padding=0M=(64-5+2*0)/1+1=60计算量:5*5*channels=25*channels2个3*3卷积的特征图尺寸(这里指进行两次3*3卷积);kernel=3*3,stride=1,padding=0第一次:(64-3+2*0)/1+1=62第二次:(62-3+2*0)/1+1=60
2021-05-14 16:55:37
1998
转载 dilated convolution(空洞卷积/扩张卷积)
论文链接:https://arxiv.org/abs/1511.07122关于dilated conv的更细的讨论,推荐阅读:Understanding Convolution for Semantic SegmentationRethinking Atrous Convolution for Semantic Image Segmentationdilated conv诞生背景:在图像分割中:图像输入到CNN(如FCN)中,FCN先对图像进行conv再做pooling,降低图像尺寸的同时增大感
2021-05-14 16:25:55
583
转载 人脸识别(MTCNN+FaceNet)
1、先采用目前流行的MTCNN检测人脸位置,得到一个人脸的bounding box2、然后用opencv根据上一步的bounding box 把人脸裁剪出来,并对齐。(因为实际裁剪出来的脸,大小不一(如距离远近造成的人脸图片大小不同),但神经网络的输入要统一尺寸(如9696,或160160),所以所有人脸需要对齐到统一图片大小上)3、对齐之后将图片输入到facenet模型(用于训练的网络模型),会得到这个人脸的一个128维特征向量。4、最后用训练好的SVM分类器对这个特征向量进行分类,得到这个人脸是
2021-05-14 14:34:26
2201
原创 U盘文件无法删除的问题
U盘文件删不掉在U盘中存在一个文件,在通过shift+delete,360强力删除操作之后都无法删除,最终通过以下方法解决了:进行完上述三个步骤之后,再进行文件的删除即可。
2021-05-12 20:52:09
743
转载 遮挡人脸识别(MFR)
MFR(遮挡人脸识别)MFR的一些难点:1、大量脸部特征的丢失2、缺少训练集,难以有效训练3、遮挡在检测、跟踪、识别等各方面都有影响解决方案:1、丢失大量面部特征后如何进行检测?F1:通过采用基于空间位置的注意力机制特征学习,使其更关注对眼部区域的特征学习。2、训练数据不够?F1:百度视觉采用基于人脸关键点的3D图像融合技术。(也就是合成口罩)。例如:mask Webface、mask-LFW和一些收集到的真实口罩遮挡图片)3、人脸识别个环节之间的问题?F1:检测算法:PyramidB
2021-05-12 10:30:20
2762
原创 导入文件执行程序时出现Edit Configuration的问题
导入文件执行程序时出现Edit Configuration的问题解决方法:(setting问题)
2021-05-11 15:42:08
220
原创 数据不平衡处理方法
1*1卷积核的作用卷积核作用:特征的抽取,卷积核越大感受野越大,参数越多。1*1卷积的作用:1、 实现跨通道的信息交互和信息整合2、 进行卷积核通道数的降维和升维。不改变图片宽高。池化可以压缩宽高。通过控制卷积核的数量达到通道数大小的缩放。从而能减少参数和减少计算量。3、 可以在保持feature map尺寸不变(即分辨率不变)的前提下大幅增加非线性特性,把网络做的很深。使网络能够表达更加复杂的特征。数据不平衡处理方法数据不平衡经常出现在分类问题上,数据不平衡指的是在数据集中不同类别的样本数
2021-04-08 16:38:46
2588
转载 过拟合及其解决方法
过拟合及其解决方法一.过拟合在训练数据不够多时,或者over-training时,经常会导致over-fitting(过拟合)。其直观的表现如下图所所示。随着训练过程的进行,模型复杂度,在training data上的error渐渐减小。可是在验证集上的error却反而渐渐增大——由于训练出来的网络过拟合了训练集,对训练集以外的数据却不work。在机器学习算法中,我们经常将原始数据集分为三部分:训练集(training data)、验证集(validation data)、测试集(testing d
2021-04-08 10:55:09
1368
转载 目标检测篇
CV面试题(目标检测)一、目标检测篇介绍YOLO,并且解释一下YOLO为什么可以这么快?yolo是单阶段检测算法的开山之作,最初的yolov1是在图像分类网络的基础上直接进行的改进,摒弃了二阶段检测算法中的RPN操作,直接对输入图像进行分类预测和回归,所以它相对于二阶段的目标检测算法而言,速度非常的快,但是精度会低很多;但是在迭代到目前的V4、V5版本后,yolo的精度已经可以媲美甚至超过二阶段的目标检测算法,同时保持着非常快的速度,是目前工业界内最受欢迎的算法之一。yolo的核心思想是将输入的图像
2021-04-07 10:10:34
828
转载 一些CV面试题
CNNCNN在图像上表现好的原因直接将图像数据作为输入,不仅无需人工对图像进行预处理和额外的特征抽取等复杂操作,而且以其特有的细粒度特征提取方式,使得对图像的处理达到了几近人力的水平。参数和计算量的计算卷积输入为 W × H × C W \times H \times C W×H×C,卷积核 K × K × N K \times K \times N K×K×N,输出 W 1 × H 1 × C 1 W_1 \times H_1 \times C_1 W1 ×H1 ×C1计算
2021-04-05 20:25:27
748
原创 pytorch、tensorflow和mxnet的安装(CPU版)
Pytorch安装教程(CPU版)1、 Anaconda下载(python3.6)根据电脑系统和位数选择对应的Anaconda3-5.2.0进行下载下载链接:https://repo.anaconda.com/archive/2、 Anaconda安装按照推荐选择即可需注意:(1) 记住安装路径,之后会用到(2)跳过安装VSCode3、Anaconda环境配置:此电脑—属性----高级系统设置----环境变量—高级----系统变量中的Path(双击打开)—在后边加上一个“;”(注意
2020-10-02 22:23:33
1154
原创 十大经典排序算法(python代码)2020-09-17
冒泡排序def bubble_sort(list):for i in range(0,len(list)-1):for j in range(0,len(list)-1-i):if list[j]>list[j+1]:temp=list[j]list[j]=list[j+1]list[j+1]=tempelse:continueprint(list)if name == ‘main’:list1=[1,3,5,7,9,0,8,6,4,2]print(list1)bubble
2020-09-17 10:22:34
156
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人