CV
文章平均质量分 94
挡不住三千问的BlueCat
自己的学习经验总结!
展开
-
NMS和Soft-NMS的原理和Pytorch代码实现
NMS都不会,做什么Detection!Non-maximum suppression(非极大值抑制)算法NMS原理:首先得出所有的预测框集合B、 对应框的得分Scores, NMS(IoU)阈值T;定义存放侯选框的集合H(初始为Null), 对Scores排序选出得分最大的框为maxBox,将maxBox从集合B中移到集合H中,集合B中没有maxBox框了;计算maxBox和B中剩余的所有框的IoU, 将IoU大于T的从B中删除(认为和maxBox重叠了);重复2~3步骤,直原创 2021-03-23 01:19:33 · 4656 阅读 · 2 评论 -
卷积神经网络中的Separable Convolution_转载
卷积神经网络在图像处理中的地位已然毋庸置疑。卷积运算具备强大的特征提取能力、相比全连接又消耗更少的参数,应用在图像这样的二维结构数据中有着先天优势。然而受限于目前移动端设备硬件条件,显著降低神经网络的运算量依旧是网络结构优化的目标之一。本文所述的Separable Convolution就是降低卷积运算参数量的一种典型方法。常规卷积运算假设输入层为一个大小为64×64像素、三通道彩色图片。经过一个包含4个Filter的卷积层,最终输出4个Feature Map,且尺寸与输入层相同。整个过程可以用下图转载 2020-12-08 09:35:52 · 259 阅读 · 0 评论 -
python 异或的应用
符号 描述 运算规则 & 与 两个位都为1时,结果才为1 (统计奇数) 全1为1 | 或 两个位都为0时,结果才为0 (统计偶数) 全0为0...原创 2020-09-22 21:56:00 · 1692 阅读 · 0 评论 -
感受野的计算方法
卷积神经网络基础题——如何计算多层卷积、池化网络每一层的感受野(Receptive Field)?原创 2020-09-06 23:25:53 · 183 阅读 · 0 评论 -
faster R-CNN中anchors 的生成过程代码
import numpy as npdef _whctrs(anchor): """ 将 anchor 四个坐标的形式 转化成 (宽,高,中心点横坐标,中心点纵坐标)的形式 Return width, height, x center, and y center for an anchor (window). """ w = anchor[2] - anchor[0] + 1 # 宽 图像坐标 从 0开始; h = anchor[3] - an.原创 2020-06-26 15:39:36 · 378 阅读 · 0 评论