2019年04月_LoveMIss-Y

原创【个人整理】实例分割模型Mask-RCNN网络原理与架构详解

前言：Mask R-CNN是一个非常灵活的框架，它来源于faster-RCNN和全卷积网络FCN，但是又提出了很多的改进措施，Mask-RCNN非常灵活，我们可以可以增加不同的分支完成不同的任务，可以完成目标分类、目标检测、语义分割、实例分割、人体姿势识别等多种任务，与其说Mask-RCNN是一个实例分割算法，倒不如说Mask-RCNN是一个灵活的框架。一、Mask-RCNN概览...

2019-04-30 14:02:54 20667 6

原创使用python进行傅里叶FFT-频谱分析详细教程

前言说明：本文适合信号处理方面有一定的基础的人阅读，能够理解什么时候傅里叶级数和傅里叶变换，能够理解他们的核心思想以及基本原理，能够理解到底什么是“频率域”，能够从频率的...

2019-04-29 07:00:00 13328 5

原创【个人整理】深入详解金字塔场景解析网络（PSPNet）

前言：在这篇文章中，利用pyramid pooling module和PSPNet，通过聚合不同区域的上下文信息，挖掘出了全局上下文信息的承载力。一些关于PSPNet的基本资源如下：原文地址：PSPNet代码:pspnet-github Keras tensorflow一、摘要二、什么是场景解析（Scene Parsing） 2.1 场景解析的概述...

2019-04-28 18:02:48 15197 3

原创【详细整理】tensorflow2.0自动求导（Autograd）教程（一）

前言：前面分专题专门讲解了pytorch的自动求导功能，tensorflow其实也是具有相似的能力的，只不过可能相对的文章相对较少，本文以tensorflow2.0.0为例，来加以说明，比较说明了tensorflow和pytorch的自动求导的异同点一、先从一个例子看起由于对标量求导是最简单的，这里就不多说了，直接从张量开始，看下面的例子：import tensorflow ...

2019-04-28 10:53:52 8651 2

原创【个人整理】google语义分割网络Deep Lab v3 plus设计思想以及架构

前言：DeepLab v3+作为google的Deeplab系列文章的巅峰，提出了一些新的创新点，它是在DeepLab v3的基础之上进行了改进。一、DeepLab v3+ 概览1.1 语义分割的门派之争当前的语义分割网络层出不穷，基本上形成了4种不同的实现架构（1）图像金字塔的构架（DeepMedic、2-scale-RefineNet等）首先对输入...

2019-04-26 16:13:44 3574

原创【个人整理】google语义分割网络Deep Lab v1设计思想以及架构

前言：前面介绍的FCN、SegNet、U-Net在语义分割的效果上还没有完全达到预想的那种程度，他们的核心设计理念其实都是一样的，都可以说是一个Ecoder-Decoder的架构，并且使用全卷积网络，这样做有着一些比较大的缺点依然没有解决，google在此基础之上提出了Deep Lab系列网络，现在已经有了 v1 、v2 、v3 、v3+这几个版本，本文来看一看v1版本。一、视觉任务...

2019-04-24 16:26:52 1332 1

原创【个人整理】语义分割网络U-Net的设计架构与设计思想

前言：语义分割的基本模型大都是在FCN的基础之上进行改进的，本文所要讨论的U-Net网络便是如此，U-net 是基于FCN的一个语义分割网络,适合与少量样本的图像分割，比如用来做医学图像的分割，能够取得非常好的成绩。一、U-Net网络的结构 1.1 基本信息 1.2 U-Net的主要结构 1.3 网络的输出是什么？ 1.4 U-Net的损失函...

2019-04-23 18:08:07 5106 4

原创【个人整理】语义分割网络SegNet设计架构与设计思想

前言：SegNet语义分割网络是2015年的一篇论文，论文通篇所涉及到的基本理论很少，网络结构也不是很复杂，本文从SegNet的结构着手，分析一下SegNet的工作原理是涉及思想。一、SetNet的相关资源SegNet同样是基于FCN，修改VGG-16网络得到的语义分割网络，有两种SegNet，分别为正常版SegNet与贝叶斯版SegNet，同时SegNet作者根据网络的深度提供了...

2019-04-22 16:37:15 4649 4

原创 pytorch自动求导Autograd系列教程（一）

前言：构建深度学习模型的基本流程就是：搭建计算图，求得损失函数，然后计算损失函数对模型参数的导数，再利用梯度下降法等方法来更新参数。搭建计算图的过程，称为“正向传播”，这个是需要我们自己动手的，因为我们需要设计我们模型的结构。由损失函数求导的过程，称为“反向传播”，求导是件辛苦事儿，所以自动求导基本上是各种深度学习框架的基本功能和最重要的功能之一，PyTorch也不例外，后面有时间会写一下...

2019-04-19 15:22:56 11079 12

原创 pytorch学习手册【二】

九、Reduction Ops（规约/简化操作）torch.argmax(input,dim=None,keepdim=False)torch.argmin(input,dim=None,keepdim=False)torch.cumprod(input,dim,dtype=None)→ Tensortorch.cumsum(input,dim,o...

2019-04-18 11:59:01 1772

原创【个人整理】一文看尽全卷积网络FCN设计架构以及设计思想

前言：语义分割（Semantic Segmentation）是计算机视觉领域的热点领域之一，当前与目标检测、实例分割等都是非常热门的研究，但是语义分割的历史溯源却非常早，知道深度学习的兴起，特别是卷积神经网络的兴起，给语义分割带来新的发展方向，当前语音分割的模型层出不穷，他们的思想起源都来自于全卷积神经网络，即所谓的FCN，本文就来盘点一下FCN的核心设计思想。一、什么是语义分割（S...

2019-04-18 10:40:49 8141 6

原创 pytorch学习手册【一】

一、关于Tensors的一些判断torch.is_tensor(obj)torch.is_storage(obj)torch.set_default_dtype(d) 默认的type为torch.float32torch.get_default_dtype()→ torch.dtypetorch.set_default_tensor_type(t) torch...

2019-04-17 10:28:16 1977

原创【填坑记】使用keras绘制（plot_model）网络结构图总是出错的解决办法

本人使用的开发环境python3.6.8+tensorflow1.9+keras2.2.4前提：已经正确安装pydot和graphviz的python软件包，并且安装windows的graphviz安装包，并且配置好了环境变量错误：pydot不能够正确调用graphviz，请确保已经安装了graphviz并配置了环境变量网络上其它的解决方案：（1）确保安装顺序正确：gr...

2019-04-16 17:55:54 5346 2

转载深度学习常用的训练数据集介绍以及下载

前言：数据是深度学习的血液，本文介绍一下当前非常常见的一些数据集。1 ImageNetImageNet是一个计算机视觉系统识别项目，是目前世界上图像识别最大的数据库。是美国斯坦福的计算机科学家李飞飞模拟人类的识别系统建立的。能够从图片识别物体。目前已经包含14197122张图像，是已知的最大的图像数据库。每年的ImageNet大赛更是魂萦梦牵着国内外各个名校和大型...

2019-04-15 11:56:30 28768 4

原创 conda安装和pip安装的国内镜像配置

一、conda安装anaconda是一个非常流行的包管理软件，我个人尤其爱好，但是有一个问题就是它所有的软件包全部在国外，安装起来很麻烦，关键是下载速度慢，而且经常中断，所以需要配置国内安装的镜像，下载速度就很快了。1.1 conda的配置文件config如果用户从来没有使用过conda config 命令，就不会有配置文件，当用户第一次运行conda config命令时，将...

2019-04-12 15:23:03 39094 1

原创 Inte的lCPU与AMD的CPU架构简介以及名称规则

一、intel架构简介架构/代号世代年代制造工艺 Coffee Lake-Refresh 第九代酷睿 2018-2019年 14nm++ Coffee Lake 第八代酷睿 2017-2018年 14nm++ Kaby Lake 第七代酷睿 2016年 14nm+ Skylake 第六代酷睿 ...

2019-04-12 09:52:51 17375 1

原创【个人整理】一文看尽目标检测算法SSD的核心架构与设计思想

前言：SSD（Single Shot MultiBox Detector）是大神Wei Liu在 ECCV 2016上发表的一种的目标检测算法。对于输入图像大小300x300的版本在VOC2007数据集上达到了72.1%mAP的准确率并且检测速度达到了惊人的58FPS（ Faster RCNN：73.2%mAP，7FPS； YOLOv1： 63.4%mAP，45FPS），500x500...

2019-04-09 14:50:08 9709 1

原创 windows下同一个显卡配置多个CUDA工具包以及它们之间的切换

1、多版本的CUDA以及cudnn安装2、不同版本的tensorflow在CUDA之间的切换3、验证自己的CUDA是否安装成功前面的一片文章里面讲到了tensorflow、NVIDIA显卡驱动、CUDA工具包、cudnn之间的一些关系，详情请参考原文：https://blog.csdn.net/qq_27825451/article/details/89082978...

2019-04-09 10:22:17 17131 6

原创 tensorflow的版本命名规则以及兼容性

TensorFlow 版本兼容性本文档面向需要为不同版本的 TensorFlow（无论是代码或数据）提供向后兼容性的用户，以及希望在保持兼容性的同时也能够更改 TensorFlow 的开发人员。语义版本 2.0TensorFlow 的公共 API 遵循语义版本 2.0 (semver)。每个 TensorFlow 版本的版本号都采用MAJOR.MINOR.PATCH的形式。...

2019-04-09 09:06:55 3141

原创 tensorflow各个版本的CUDA以及Cudnn版本对应关系

概述，需要注意以下几个问题：（1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。CUDA的本质是一个工具包（ToolKit）；但是二者虽然不一样的。显卡驱动的安装：当我们使用...

2019-04-08 14:50:34 484702 76

原创【个人整理】一文看尽YOLO V3的架构以及改进技巧

前言：YOLO V3作为YOLO系列文章的第三篇，是YOLO系列文章的巅峰，也是现在使用最为广泛的YOLO系列算法，完全比肩SSD系列算法，yolo的v1和v2都不如SSD算法，原谅这么直白，原因是v1版本的448和v2版本的416都不如SSD的300，当然以上结论都是实验测的，v3版本的416应该比SSD512好，可见其性能。那么现在来看一看YOLO V3在原来的YOLO系列上究竟有哪些...

2019-04-04 14:52:59 25829 5

原创【个人整理】长短是记忆网络LSTM的原理以及缺点

前言：普通的循环神经网络RNN是很难训练的，这导致了它在实际应用中，很难处理长距离的依赖。在本文中，我们将介绍一种改进之后的循环神经网络：长短时记忆网络(Long Short Term Memory Network, LSTM)，它成功的解决了原始循环神经网络的缺陷，成为当前最流行的RNN，在语音识别、图片描述、自然语言处理等许多领域中成功应用。本文将大致介绍一下LSTM的工作原理，然后介...

2019-04-04 11:16:43 33995 4

原创【个人整理】循环神经网络RNN对于变长序列的处理方法

前言：我们前面将的各种循环神经网络的实现都是固定的时间步长的，即timesteps的长度是固定的，但是在实际问题中，这个往往是不固定的，为什么呢？因为文本数据在处理的时候，由于各样本的长度并不一样，有的句子长有的句子短这就导致在timesteps上面是维度不固定的，这种数据该如何处理呢？这就是本文要说的重点了。目录一、大胆尝试，直接填充0行不行？二、tensorflow对于...

2019-04-04 09:59:34 20343 16

原创【个人整理】tensorflow关于循环神经网络(RNN)的输出与状态的“维度”分析

前言：使用现在主流的深度学习框架实现循环神经网络是很简单方便的，所以我们很多时候可能忘了怎么去分析神经网络的输入，输出到底是什么，循环层各个节点之间维护的所谓的状态到底是什么？本文需要循环神经网络的基本知识和一些基本的理论，可以参见我前面的两篇文章：https://blog.csdn.net/qq_27825451/article/details/88870027写这篇文章的初衷是...

2019-04-03 11:27:05 6295 2

原创神经网络可视化(二)——收集的一些常见的网络可视化方法

前言tensorflow，pytorch，mxnet每一个主流的深度学习框架都提供了相对应的可视化模板，那有没有一种方法更加具有通用性呢？我们会在论文中，相关文献中看到各...

2019-04-03 07:00:00 1186

原创【个人整理】一文看尽YOLO V2的10个改进技巧

前言：YOLO V1 问世已久，风头很快就被SSD盖过，原作者rbg（Ross Girshick）大神自然不甘心，于是又在yolo v1的基础之上提出了YOLO v2 ，根据论文中的总结，yolo v2在yolo v1的基础之上一共有10个主要的改进点，本文是结合网上的众多博客文章，用自己习惯的方式做了一个简单地整理。前言：YOLO V1 问世已久，风头很快就被SSD盖过，原作者...

2019-04-02 11:04:59 2558

原创【数据集】人脸相关的各类数据集

前言本文收集了一些关于人脸方向的数据集，包括人脸识别、人脸检测、人脸表情、人脸性别等方向的数据集，有很多机器学习和深度学习的研究者可以自行下载，已经有大部分数...

2019-04-02 07:00:00 2245 2

原创【个人整理】目标检测框架yolo v1深入剖析

前言： faster-RCNN在目标检测精度上已经能够达到一个很高的水准，但是作为RCNN系列的最巅峰，它提出了RPN网络产生推荐性区域，但是它依旧有着一些缺点，这些区域里面有大面积是重合的，影响了计算效率。为了更好地提升目标检测的计算效率，从DPM检测中获得了相关的灵感，于是yolo网络应运而生，现在yolo网络已经有了很多的版本，yolo v1、yolo v2、yolo v3、fast...

2019-04-01 14:48:38 3611

MIss-Y的博客