- 博客(127)
- 资源 (11)
- 收藏
- 关注
原创 如何git上传代码避免出现! [rejected] main -> main (non-fast-forward)
git initgit branch - m master main #将本地分支改名为main,与线上保持一致 git add . git commit - m "first commit" git remote add origin xxx #xxx表示远程服务器地址 git pull - - rebase origin main ##解决!
2023-07-25 01:00:59 1497
原创 Windows 配置github的SSH公钥注意事项
具体参考https://blog.csdn.net/fzxyxf1314/article/details/101541078?utm_medium=distribute.pc_relevant.none-task-blog-2defaultbaidujs_title~default-0-101541078-blog-79799581.pc_relevant_default&spm=1001.2101.3001.4242.1&utm_relevant_index=3这一步非常重要,需要添加字
2022-05-15 14:20:59 1022
转载 pytorch卷积网络特征图可视化
pytorch特征图 可视化 清测有效,Mark一下。引用自 https://my.oschina.net/u/4300877/blog/4693569# -*- coding: utf-8 -*-"""Created on Tue Oct 27 09:25:51 2020@author: LX"""#%%特征可视化import matplotlib.pyplot as pltimport cv2import numpy as npfrom PIL import Imagefro
2022-01-28 02:25:09 1122
原创 ICCV2017——CoupleNet: Coupling Global Structure with Local Parts for Object Detection
CoupleNet: Coupling Global Structure with Local Parts for Object Detection学习CoupleNet,这个网络结构就是使用全局上下文和局部上下文进行融合,检测。在最近的一些论文中我也看到过这么的操作,但是他们的出发点都应该是来自于这一篇论文。所以学习CoupleNet是如何进行检测,如何进行局部上下文和全局上下文的融合的至关重要。学习CoupleNet主要抓住以下问题:CoupleNet是基于RFCN进行改进的,首先要掌握F
2021-04-17 17:17:34 659
原创 CVPR2021—— Coordinate Attention for Efficient Mobile Network Design
Coordinate Attention for Efficient Mobile Network Design这是一篇基于SE和CBAM的改进注意力机制。性能比SE和CBAM要好一些。SE模块只是在通道上施加了权重,而忽略了位置信息。本文中,提出一种novel的注意力机制,使用两个1D的pooling捕捉水平和垂直方向的注意力特征编码。话不多说了。直接上图。懂的人都懂:(a)是SE模块,(b)是CBAM模块©是本文提出的CA模块。很明显看出,CA模块和前二者的区别在于将一个2D的p.
2021-04-17 11:08:29 5088 18
原创 关于pip install ensemble-boxes报错的处理
ensemble-boxes是CVPR2020年发表的Weight Boxes Fusion论文中提出算法的作者开源的第三方库。里面实现了WBF后处理算法s具体的请见github:https://github.com/ZFTurbo/Weighted-Boxes-Fusionarxiv:https://arxiv.org/abs/1910.13302如果直接pip install ensemble-boxes报错的话,Looking in indexes: https://pypi.tuna.ts
2021-04-06 19:20:17 1162
原创 2021年3月第四周论文学习:Libra R-CNN、Dual Path Networks、ECANet、M2Det、
Libra R-CNN: Towards Balanced Learning for Object Detection2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)这篇文章的点子很好,作者认为设计比较sota的目标检测模型的架构固然重要。但是在目标检测的实践中,发现检测性能通常受到训练过程中的不平衡的限制,这通常包括三个级别——样本级别、特征级别和目标级别。所以作者通过为了减轻这种不平衡所带来的负面
2021-03-27 22:33:17 704 1
原创 《动手学深度学习》(Pytorch版)——预备知识学习
接下来一段时间要好好学习深度学习 和 Pytorch的基础知识。《动手学深度学习》(Pytorch版)今天刚刚了解到这份在线教程,迫不及待的赶紧食用了。地址:https://tangshusen.me/Dive-into-DL-PyTorch/#/环境配置什么的就不说了,对于Anaconda,Pycharm,Pytorch的安装,以前都学习过也写过相关的博客:这里贴上链接:Windows10下Anaconda环境的安装与配置Windows10系统下Anaconda的虚拟环境的创建与pytorc
2021-03-21 00:05:43 754 1
原创 SKnet:Selective Kernel Networks学习笔记+Pytorch代码实现
论文题目:Selective Kernel Networks发表于 CVPR 2019论文地址:https://arxiv.org/pdf/1903.06586.pdf作为一下对比,这里再附上SEnet的结构图:总结:SK注意力机制和SE注意力机制的不同之处:SE注意力只是在通道上施加MLP学习权重,来体现每个权重之间的重要性差异;SE注意力机制只需要用到一个全局池化和两个全连接层;SK注意力机制是SE注意力机制的升级版,特色之处体现在通过网络自己学习来选择融合不同感受野的特征图信息;
2021-03-20 20:02:32 9621 10
原创 目标检测中的NMS,soft NMS,softer NMS,Weighted Boxes Fusion
NMS非最大值抑制算法,诞生至少50年了。在经典的两阶段目标检测算法中,为了提高对于目标的召回率,在anchor阶段会生成密密麻麻的anchor框。所以在后处理的时候,会存在着很多冗余框对应着同一个目标。因此NMS就是后处理中去除冗余框的必不可少的步骤。NMS算法的具体流程:输入 boxes,scores, iou_thresholdstep-1:将所有检出的output_bbox按cls score划分(如pascal voc分20个类,也即将output_bbox按照其对应的cls
2021-03-20 19:07:18 2577 1
原创 基于ACNet构建ResNet50backbone的Pytorch代码实现
ACNet是什么?[1]X. Ding, Y. Guo, G. Ding etal.“ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks” in ICCV 2019推荐博客:https://blog.csdn.net/practical_sharp/article/details/114671943Overview of ACNet. For example,
2021-03-17 16:53:11 4423 7
原创 original Residual Unit && full pre-activation Residual Unit
在2016年ECCV的一篇论文中,讲述到了full pre-activation ResNet。其改进的ResNet164结构比original结构的error降低0.5%K. He, X. Zhang, S. Ren, and J. Sun, “Identity mapping in deep residual networks,” in ECCV 2016图中的weight层代表的就是卷积层操作,BN和relu分别是批正则化和激活函数original Residual Unit Pytorch
2021-03-16 22:10:50 2461 1
原创 Multi-branch convolutional networks
Multi-branch convolutional networks这是在学习阅读Selective Kernel Networks论文中出现的related work。从来没接触过,没了解过。今天学习记录一下。Highway networksR. K. Srivastava, K. Greff, and J. Schmidhuber. Highway networks. arXiv preprint arXiv:1505.00387, 2015.highway network是主要讲的是什么呢
2021-03-16 15:25:20 1144
原创 如何利用python将NWPU VHR-10目标检测遥感数据集的格式转换成VOC目标检测数据集的格式
VOC目标检测数据集的格式其中图片存放在JPEGImages文件夹中,标注是xml文件,存储在Annotations文件中关于train集和val集的txt划分存放在ImageSets文件夹下面的Main文件夹下如下是VOC2012某张图片的标注信息xml文件<annotation> <folder>VOC2012</folder> <filename>2008_006604.jpg</filename> <source&g
2021-03-14 14:57:13 4004 11
原创 2021-3-13论文学习——SENet,StairNet,Generalized Focal Loss,R3Det,CARAFE
[1]Squeeze-and-Excitation Networks论文地址:https://arxiv.org/abs/1709.01507代码地址:https://github.com/moskomule/senet.pytorch/blob/master/senet论文发表于CVPR 2018,同时提交于IEEE TPAMI 2019结构图一个全局avg pooling得到11C的向量,然后通过一个MLP感知机得到进行线性变换的11C向量。 再通过一个Sigmod函数进行激活。各
2021-03-13 18:04:00 1466 2
原创 关于CBAM模块在ResNet18上的使用:用于MNIST数据集分类
昨天学习了CBAM模块和ACNet。今天就想试一下CBAM模块的效果,所以编写了代码在MNIST数据集上做分类任务,但是看不出什么差别,而且没加CBAM模块的效果反而好一些。我觉得原因可能是因为数据集太小了没法做到这一点,改天在VOC数据集上试一试效果看看如何。今天先把实验结果报道一下,学习率,epoch次数和batch_size的大小完全保持不变先上Pytorch代码import torchimport torch.nn as nnimport torch.nn.functional as
2021-03-12 16:31:28 5209 10
原创 2021-3-11论文学习:ACNet及其若干魔改模块论文
ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks论文地址:https://arxiv.org/pdf/1908.03930.pdf论文收录于2019 IEEE/CVF International Conference on Computer Vision (ICCV)代码地址:https://github.com/ShawnDing1994/ACNetAs des
2021-03-11 21:40:20 1505
原创 计算机视觉中的注意力模块———CBAM
CBAM: Convolutional Block Attention Module本篇文章录用于ECCV2018:CBAM:卷积块注意模块论文地址:https://arxiv.org/pdf/1807.06521.pdf非官方代码实现:https://github.com/Youngkl0726/Convolutional-Block-Attention-Module/blob/master/CBAMNet.py摘要:本文提出了卷积attention模块,一种简单而有效的前馈卷积神经网络
2021-03-10 21:31:15 8242 3
原创 Arbitrary-Oriented Ship Detection Based on Rotation Region Locating Networks in Large Scale Remote
Arbitrary-Oriented Ship Detection Based on Rotation Region Locating Networks in Large Scale Remote Sensing Images论文地址:https://sci-hub.se/10.1109/ICIVC47709.2019.8981006论文发表2019 IEEE 4th International Conference on Image, Vision and Computing声明一下这不是很好的会
2021-03-09 17:46:06 563 1
原创 Effective Fusion Factor in FPN for Tiny Object Detection
Effective Fusion Factor in FPN for Tiny Object Detection论文地址:https://arxiv.org/pdf/2011.02298.pdf论文发表于 2021 WACV摘要这里是引用
2021-03-09 15:33:41 1937 4
原创 HyperNet:Towards Accurate Region Proposal Generation and Joint Object Detection
HyperNet论文地址:https://arxiv.org/pdf/1604.00600.pdf录用:CVPR 2016摘要到目前为止,RCNN,Fast RCNN以及Faster RCNN系列的算法出炉,使得目标检测的精度和召回率不断提升。然而小尺寸目标检测和精确定位的问题仍然没有很好的得到解决,主要原因是由于特征映射的粗糙。本文中,作者提出一个HyperNet,以联合处理区域提案的生成和目标检测。HyperNet的核心是主要基于一个精心设计的Hyper Feature,它首先聚合层次特征映射
2021-03-07 23:27:30 513
原创 RetinaNet:Focal Loss for Dense Object Detection
Focal Loss for Dense Object Detection论文地址:https://arxiv.org/pdf/1708.02002.pdf何凯明 ICCV 2017 best student paper论文核心:提出了一种用于单阶段目标检测算法的聚焦损失函数论文的出发点读完本论文后,这里我自己总结一下。论文的出发点总结了当前两阶段目标检测算法和单阶段目标检测算法的优缺点。两阶段目标检测算法:第一阶段能过滤掉无关背景,第二阶段更精细化包围框回归,所以两阶段目标检测算法精确度
2021-03-06 17:37:06 338
原创 RRPN:Arbitrary-Oriented Scene Text Detection via Rotation Proposals
RRPNAbstract与以往基于分段的框架不同,我们的框架具有使用基于区域的方法预测文本行方向的能力;因此,建议可以更好地适应文本区域,并且远程文本区域可以很容易地纠正,并且更方便文本阅读。 新的组件,如RROI池层和旋转建议的学习,被纳入基于区域建议的体系结构[20],这确保了文本检测与基于分割的文本检测系统相比的计算效率。我们还提出了改进具有任意方向的区域提案的新策略,以改进2次性能的任意面向文本检测。我们将我们的框架应用于三个真实世界的文本检测数据集,即MSRA-TD500[21]、ICDAR201
2021-03-05 19:23:15 436
原创 PyTorch学习——利用梯度下降法实现一元线性回归
一元线性回归一元线性模型非常简单,假设我们有变量 xix_ixi 和目标 yiy_iyi,每个 i 对应于一个数据点,希望建立一个模型y^i\hat{y}_iy^i 是我们预测的结果,希望通过 y^i\hat{y}_iy^i 来拟合目标 yiy_iyi,通俗来讲就是找到这个函数拟合 yiy_iyi 使得误差最小,即最小化梯度梯度在数学上就是导数,如果是一个多元函数,那么梯度就是偏导数。比如一个函数f(x, y),那么 f 的梯度就是(∂f∂x, ∂f∂y) (\fra
2020-12-05 22:33:06 608
原创 Windows10系统下Anaconda的虚拟环境的创建与pytorch环境的安装
由于我安装的Anaconda是4.4的,一些命令什么的没有得使用之前的命令。这里有几个命令,熟悉一下:activate//4.4之后的版本 conda activate创建一个虚拟环境conda create -n data_analysis python=3.6 anaconda//conda create -n env_name python=version anaconda激活虚拟环境activate data_analysis退出虚拟环境deactivate data
2020-11-26 12:15:41 1140 1
原创 Windows10下Anaconda环境的安装与配置
Anaconda这个软件真的是反复无常,我前前后后安装下载了好多次才配置成功。官网镜像:我选择的是Anaconda3-4.4.0-Windows-x86_64.exeAnaconda官网下载地址:https://repo.anaconda.com/archive/清华镜像下载地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载完成之后,开始安装(避坑)对于下载好的安装文件,要先避免几个坑参考博客https://blog.csdn.
2020-11-25 23:48:31 996 3
原创 图的深度优先搜索和广度优先搜索
图的表示数据结构中,图的最常见的两种表示方法是邻接矩阵表示法和邻接表表示法。邻接矩阵用一个二维表来表示各个顶点之间的邻接关系(即是否有边相连),适合于稠密图且顶点数较少的图。一般建立在邻接矩阵表示的图的搜索的时间复杂度O(n2)邻接表为每一个顶点建立一个链表,把与之邻接的顶点插入到以该顶点为头节点的链表中,适合于稀疏图的存储。一般建立在邻接表表示的图的搜索的时间复杂度为O(n+e)。由于邻接矩阵结构简单,我主要复习邻接表的表示方法。#include <iostream>#includ
2020-08-02 19:44:57 948
原创 蓝桥杯省赛训练营——栈与递归
今天博主复习了一下栈与递归的知识,做了计蒜客平台的一章习题。下面贴出来和大家交流分享。如有不正之处,请求指教。蒜头君吃桃题目描述思路分析设第i天还剩下g(n)个桃子 那么第i-1天还剩下g(n-1)个桃子。根据递推关系 有:g(n-1) = g(n) - g(n)/2 - 1 所以 g(n) = 2(g(n-1) + 1)第一天还剩下1个桃子 所以g(1) = 1那么可以写出...
2020-03-18 22:11:59 521
原创 HDU5667 Sequence
首先附上题目链接http://acm.hdu.edu.cn/showproblem.php?pid=5667题目分析像这种递推公式的问题,n很大的时候,常用的处理方法是矩阵快速幂,但是这个好像很难构造。博主思路如下:取对数 设k(i) = loga(f(i))那么 根据推导k(1) = loga(1)=0k(2) = loga(ab) = bk(i) = b + c*k(i-...
2020-03-18 17:13:52 246
原创 蓝桥杯省赛训练营——常用STL
动态数组using namespace std;#include<vector>vector<T>vec;//C++中直接构造一个动态数组的方法用动态数组存储自定义类型struct Student { string name; // 名字 int age; // 年龄};int main() { vector<S...
2020-03-08 21:46:02 1812
原创 HDU 3351:Seinfeld
题目来源http://acm.hdu.edu.cn/showproblem.php?pid=3351问题描述我没有故事了。多年来,我一直在写故事,有些故事很愚蠢,只是为了使简单的问题看起来很难而复杂的问题看起来很容易。通过打开和关闭大括号,将获得一个完整的非空字符串。您的任务是找到使字符串稳定所需的最少“操作”数。稳定的定义如下:1.空字符串是稳定的。2.如果S稳定,则{S}也稳定。...
2020-02-29 17:31:50 238
原创 求N!后面有多少个0
Description从输入中读取一个数n,求出n!中末尾0的个数。Input输入有若干行。第一行上有一个整数m,指明接下来的数字的个数。然后是m行,每一行包含一个确定的正整数n,1<=n<=1000000000。Output对输入行中的每一个数据n,输出一行,其内容是n!中末尾0的个数。Sample Input331001024Sample Output02...
2020-02-02 17:36:17 1543
原创 求幂的位数,求阶乘的位数
笔者总结自己的思路,有以下两种方法解决求幂的长度,求阶乘的长度。从而解决形如“请你计算数a的b次幂共有多少位(十进制的数)!”“N! (N的阶乘) 是非常大的数,计算公式为:N! = N * (N - 1) * (N - 2) * … * 2 * 1)。现在需要知道N!有多少(十进制)位。”之类的问题。方法一:调用log10()函数解决阶乘的位数int digit(int n)//求数n...
2020-02-02 00:14:02 912
原创 蓝桥杯省赛训练营——枚举算法
枚举算法,就是根据所提出的问题,列出该问题所有可能的解,并在列出解的过程中逐一的检查这个解是否是符合条件的可行解。如果是就采纳这个解,如果不是就判断下一个。枚举算法的思想比较直观,容易理解。但是要逐一的检查所有可能的解,所以效率比较低。能够使用枚举算法的题目往往是最简单的一类题目。这类题目具有一下特点:解枚举范围是有穷的检查条件是确定的一个简单的例子题目来源2016第七届蓝桥杯...
2020-01-15 13:02:33 1103 1
原创 蓝桥杯——进制转换练习
基础练习 十进制转十六进制问题描述十六进制数是在程序设计时经常要使用到的一种整数的表示方式。它有0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F共16个符号,分别表示十进制数的0至15。十六进制的计数方法是满16进1,所以十进制数16在十六进制中是10,而十进制的17在十六进制中是11,以此类推,十进制的30在十六进制中是1E。 给出一个非负整数,将它表示成十六进制的形式。...
2020-01-14 22:29:29 493
原创 为什么memset不能将数组元素初始化为1?
今天笔者发现了一个很严肃的问题memset函数不能给数组赋值为1查阅资料后发现,memset函数是逐个字节填充,计算机中为补码,memset函数只能填充为全0或者全1。说明,memset函数只能给数组赋值全0,或者全-1.#include<string.h>int main(){ int a[101]; memset(a,1,sizeof(a)); for(int i=...
2020-01-12 15:48:01 1540
原创 C++排序与sort
对于一个连续存储空间的数组进行排序,我们可以使用C++中提供 的sort。C++中已经为我们写好了sort函数,需要调用是我们要引入一个头文件#inlcide<algorithm>要提醒的是sort可以排序任何类型的元素,包括自行定义的结构体。sort用例int main(){ int arr[] = {0,-3,7,9,1,4}; //对arr[0]到arr[5]进...
2020-01-11 20:24:02 478 1
原创 euler五十讲(一)
今天在一个网站上刷题,这个网站很有趣。https://projecteuler.net这个网站是纯英文网站,需要注册,登陆。接下来,博主开启欧拉五十讲的刷题之旅啦。Problem 1:Multiples of 3 and 5If we list all the natural numbers below 10 that are multiples of 3 or5, we get ...
2020-01-09 22:51:45 330
手机电脑投屏软件
2019-01-26
《数据结构》第二版教材授课专用ppt全国通用
2019-01-20
数据结构C语言版教材全部算法代码实现
2019-01-20
数据结构C语言版期末总复习题
2018-10-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人