![](https://img-blog.csdnimg.cn/20200514104024332.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
论文分享,代码复现
文章平均质量分 67
主要用于论文翻译分享,代码复现,结合场景数据,提升实际模型性能
优惠券已抵扣
余额抵扣
还需支付
¥19.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
猫猫与橙子
这个作者很懒,什么都没留下…
展开
-
yolov5数据增强避免目标残缺的代码处理
yolov5数据增强避免目标残缺的代码处理原创 2024-01-18 14:11:08 · 94 阅读 · 0 评论 -
各种非极大抑制(nms)处理候选框
各种NMS处理代码原创 2023-12-26 08:46:10 · 526 阅读 · 0 评论 -
【倾斜目标检测】PP-YOLOE-R
free anchor的旋转目标检测PP-YOLOE-R原创 2023-01-18 16:02:07 · 1831 阅读 · 0 评论 -
使用梯度进行文字检测
使用梯度进行文字检测,扣取出特定场景下的文字区域,最好是配合版面分析使用,效果较佳;原创 2022-10-31 15:44:14 · 350 阅读 · 0 评论 -
使用传统算法进行红色印章区域的提取
使用代码提取文件中的印章区域;原创 2022-10-21 15:18:14 · 1352 阅读 · 0 评论 -
【x光机数据】Occluded Prohibited Items Detection:an X-ray Security Inspection Benchmark and De-occlusion A
x光机数据进行目标检测,1.收集了x光机数据集OPIXray;2.提出了去遮挡注意力模块;3.相关代码嫁接到yolov5中使用原创 2022-06-16 11:00:52 · 969 阅读 · 1 评论 -
使用自己的数据跑通mmsegmentation
使用自己的数据跑通mmsegmentation,解决以下报错:1)type object 'FileClient' has no attribute 'infer_client' 2)It is expected output_size equals to 2, but got size 3 3)训练测试结果报NAN 4)KeyError: 'MyDataset is not in the dataset registry' 5)预训练模型和加载的网络结构层名有差异,unexpected key .....原创 2022-05-19 08:49:46 · 1282 阅读 · 0 评论 -
使用arcface+CrossEntropyLoss处理普通分类
使用arcface+CrossEntropyLoss处理普通分类原创 2021-12-28 15:19:08 · 1657 阅读 · 1 评论 -
训练人脸识别常见问题
人脸识别训练难点:数据量大(类别通常都是上十万,上百万)训练当中常见注意要点:1.尽管训练样本量大,但是任然需要使用预训练模型,目的是加速模型收敛;2.加载预训练模型时,最好加载在cpu上,加载在gpu上,模型参数会占显卡;checkpoint = torch.load(args.BACKBONE_RESUME_ROOT, map_location=torch.device('cpu'))...原创 2020-08-17 10:22:39 · 950 阅读 · 0 评论 -
解析ArcFace源码
最近在看arcFace当中pytorch代码的实现,先把InsightFace中ArcFace代码贴出来:class Arcface(Module): # implementation of additive margin softmax loss in https://arxiv.org/abs/1801.05599 def __init__(self, embe...原创 2019-10-09 17:20:38 · 4140 阅读 · 4 评论 -
最近做项目人脸识别(CBAM+mobileFace)与人脸遮挡
最近在做两个项目,人脸识别和判断人脸是否被遮挡;1.先谈谈人脸识别我是从中途接手的人脸识别项目,什么人脸检测,人脸对齐都是后知后觉接触到的,然后目的是训练一个小模型的人脸识别模型,但是直接上mobileFace,数据不太够,效果一般,然后就使用了《CBAM:Convolutional Block Attention Module》这篇论文中提到的注意力机制,效果怎么样了,以下结果是未初始化...原创 2020-01-16 09:55:24 · 3036 阅读 · 22 评论 -
如何优雅的阅读DBNet的训练代码
工程链接:https://github.com/MhLiao/DB最近在学习DBNet,然后由于本人想偷懒,然后使用了以上链接的工程(这样就不需要升级cuda和cudnn),最后发现该工程实在是写的太优雅了,完全不知道哪里是数据加载,哪里是测试,各种数据增强又在什么位置,所以现在就我的经验给大家盘点一下;遇到报错balance_cross_entropy_loss.py", line 49, in forward negative_loss, _ = torch.topk(negativ原创 2020-07-18 16:11:57 · 4113 阅读 · 18 评论 -
【字符分割】Efficient and Accurate Arbitrary-Shaped Text Detection with Pixel Aggregation Network
最近要更新文本检测的训练模型,所以看了PSE的升级版PAN;论文:https://arxiv.org/abs/1908.05900v1代码:https://github.com/WenmuZhou/PAN.pytorch目录1.该论文的主要方法介绍1.1该方法的主体框架1.2 分块介绍主体功能1.2.0 Fr作用1.2.1 FPEM模块(Feature Pyramid Enhancement Module)1.2.2 FFM模块(Feature Fusion Module原创 2020-05-20 17:42:29 · 444 阅读 · 0 评论 -
【字符分割】PSENet代码浅读
生成segment mask: h, w, _ = im.shape training_mask = np.ones((h, w), dtype=np.uint8) score_maps = [] for i in range(1, n + 1):#i取值【1,6】 # s1->sn,由小到大 score_map, trai...原创 2020-04-21 14:10:35 · 1044 阅读 · 0 评论 -
【字符分割】PSENet原理
目录Overall PipelineNetwork DesignProgressive Scale Expansion AlgorithmLabel GenerationLoss FunctionPSENet:Progression Scale Expansion Network(直译:渐进式规模扩展网络)论文细节包括:产生lable和loss函数的设计Overal...原创 2020-04-21 14:13:27 · 1147 阅读 · 2 评论