![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理相关文章
图像处理相关文章总结分析
dadaHaHa1234
电子科技大学本硕博,即将毕业走向社会的科研民工。热爱技术,热爱计算机视觉。
展开
-
spatial transformer network (STN)
STN原创 2022-08-22 22:25:22 · 922 阅读 · 1 评论 -
pyInstaller打包python程序
使用 PyInstaller 打包 Python 程序原创 2022-07-21 16:05:54 · 419 阅读 · 0 评论 -
pickle:让python对象序列化
一、dump()方法pickle.dump(obj, file, [,protocol])注释:序列化对象,将对象obj保存到文件file中去。参数protocol是序列化模式,默认是0(ASCII协议,表示以文本的形式进行序列化),protocol的值还可以是1和2(1和2表示以二进制的形式进行序列化。其中,1是老式的二进制协议;2是新二进制协议)。file表示保存到的类文件对象,fil...转载 2020-02-21 18:48:13 · 158 阅读 · 0 评论 -
python os.path 路径处理
path原创 2022-04-01 20:17:22 · 238 阅读 · 0 评论 -
linux的dataset测试
result = dataset[0].getitem(1)原创 2022-03-23 08:34:10 · 161 阅读 · 0 评论 -
Gated-SCNN: Gated Shape CNNs for Semantic Segmentation
lossdual loss代码:Gated-SCNN中的gumbel_softmax: 如公式(9)所示,用gumbel softmax实现argmax()。g = _gumbel_softmax_sample(input_logits.view(N, C, -1), tau=0.5) gumbel_noise = _sample_gumbel(logits.size(), eps=eps) #_sample_gumbel构造gumbel分布g=-log(-log(u+eps原创 2021-10-25 10:48:13 · 260 阅读 · 0 评论 -
深度学习方法中的其他学习方式
除了常规的预测,结果,深度学习中还有哪些不太常规的学习方式呢?分两步优化法,两个不同时期的损失函数深度学习与ACM的结合CNN做图像分割的缺点:经多次下采样后,丢失高频信息,比如边缘、细小结构;传统的active contour模型的优点:曲线演化,擅长边缘定位;所以将CNN与active contour结合,是一种互补和促进。https://zhuanlan.zhihu.com/p/163811140?utm_source=wechat_sessionDARNet: Deep Active Ra原创 2020-11-24 08:54:13 · 778 阅读 · 0 评论 -
Polygonal Building Segmentation by Frame Field Learning
Polygonal Building Segmentation by Frame Field Learning原创 2020-11-07 19:56:58 · 873 阅读 · 0 评论