- 博客(14)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks理解整理
ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks理解整理AbstractIntroductionProposed MethodRevisiting Channel Attention in SE BlockEfficient Channel Attention (ECA) ModuleAbstract近年来的一些研究，已有证明通道注意机制在改善深度卷积神经网络（CNNs）的性能方面有着很大的潜力，现有方
2020-07-30 13:26:24
3351
1
原创 计算机专业论文研究使用工具网站以及经验汇总
1.找论文SCI-HUB：http://www.sci-hub.ren/谷歌学术：https://scholar.google.com/（知乎回答：https://www.zhihu.com/question/39852481?sort=created）谷歌学术镜像：https://xueshu.lanfanshu.cn/或http://sci.xueshuwu.cn/#opennewwindowarxiv：https://arxiv.org/arxiv镜像：cn.arxiv.org或http:/
2020-07-28 16:09:40
1159
原创 Asymmetric Co-Teaching for Unsupervised Cross-Domain Person Re-Identification简单翻译理解
Asymmetric Co-Teaching for Unsupervised Cross-Domain Person Re-Identification简单翻译理解AbstractIntroductionRelated WorkThe Proposed MethodAbstract行人重识别(Re-ID)是一项具有挑战性的任务，由于身份样本和成像条件的高差异。尽管最近随着在深度学习方面的进步已经在固定场景中取得了显著的准确性，但是对于不可见的目标域，很少有作品能很好地推广。一种常用的解决方法是通过聚类
2020-07-27 16:27:08
308
原创 python:图像与矩阵之间的转换
矩阵转换为灰度图像如下代码所示首先加载一幅图像，转换为矩阵后在转回为图像：import numpy as npimport Imagemg = Image.open(filename)mats = np.array(mg)mg2 = Image.fromarray(mats)但是以上这样的用法有一些需要注意的地方，将矩阵转换为图像的函数不会自动的对其像素值的大小进行变换，也就是说如果矩阵的值在0到1之间的话，那么最后这幅图像的像素值将会只有0和1，会导致这幅图像的所有像素变得非常的暗。所有可以
2020-07-24 16:01:04
10566
原创 Input type (torch.cuda.ByteTensor) and weight type (torch.cuda.FloatTensor) should be the same
只需要将对应的torch.tensor()改为torch.FloatTensor()就可以了，例如torch.FloatTensor([img])
2020-07-23 17:04:17
3457
原创 AttributeError: ‘numpy.ndarray‘ object has no attribute ‘cuda‘
这种类型的错误都是由于没有转换为tensor张量导致的，只需要注意使用cuda()前通过torch.tensor()转为tensor就可以了，例如这样：resnet(Variable(torch.tensor(img).cuda()))
2020-07-23 16:40:11
8891
原创 PyTorch:四种学习率选择策略
pytorch提供了一些调整学习率的技术，它们由torch.optim.lr_sheduler提供，下面就来一一简述一下四种动态选择学习率的技术。StepLR这个方法调度需要提供两个重要的参数。第一个参数是步长step,表示学习率需要经过多少个epoch来改变一次，第二个参数是gamma，表示学习率改变的多少。举个简单的例子对于学习率0.01来说，在步长10和gamma为0.1的情况下，学习率每十个epoch就以gamma的倍数变化，也就是说对于前10轮来说学习率变成0.001，接下来的10轮变为0.
2020-07-22 16:31:34
840
原创 pytorch创建任意optimizer的一些注意点
使用pytorch创建任意optimizer的一些重要步骤，首先如下所示：optimizer = optim.SGD(model.parameters(), lr = 0.01)创建了SGD优化器，把网络的所有学习参数作为第一个参数，另外一个参数是学习率，这决定了多大比例的变化调整可以作用于学习参数，这都是优化器的重要参数。第一个注意点在创建优化器对象后，需要在循环中调用zero_grad()方法，这是为了避免参数把上一次optimizer调用时创建的梯度累加到一起：for input， taget
2020-07-21 14:14:45
554
原创 pytorch构建深度学习算法网络的方式（简单）
pytorch中所有的网络都是实现为类，子类要调用nn.Module并实现__init__和forward方法。在__init__方法中初始化层，在forward方法中，把输入数据传给init方法中初始化的层，并返回最终的输出。非线性函数经常被forward函数直接调用，如下所示简单的实现：class FirstNet(nn.Module): def __init__(self,input_size,hidden_size,output_size): super(firstNet,
2020-07-20 16:21:20
325
原创 python编写习惯之列表推导学习
首先看一下以下代码，编写这样的代码是很痛苦的：evens = []for i in range(10): if i % 2 == 0: evens.append(i)print(evens)#[0,2,4,6,8]这样的代码在python中的运行速度其实是很慢的：解释器在每次循环中都需要判断序列中那一部分需要修改，需要用一个计数器来跟踪需要处理的元素，并且由于append()是一个列表方法，所以每次遍历时还需要额外执行一个查询函数。列表推导正是解决这个问题的正确方法：通
2020-07-19 21:10:47
159
原创 python编程练习：三种方法实现链表的逆序
#链表的存储特点：可以用任意一组存储单元来存储单链表中的数据元素，而且除了存储每个数据元素外，还必须存储#指示其直接后继元素的信息#实现链表的逆序#方法1：就地逆序#在遍历链表的时候，修改当前结点指针域的指向，让其指向它的前驱结点。需要用一个指针变量来保存前驱结点的地址，#此外为了在调整当前结点指针域的指向后还能找到后继结点还需要另外一个指针变量来保存后继结点的地址，在所有结点#都被保存好以后就可以直接完成指针的逆序，还需要注意链表首尾结点的特殊处理class LNode(object):
2020-07-11 14:16:19
407
原创 行人重识别的小技巧利用shuffle函数随机排序后随机快速得到一个同id的pos对
首先介绍一下shuffle()函数，很简单就是将序列中的所有元素随机排序：如下所示import randoma=list(range(6))random.shuffle(a)print(a)随机排序后输出为[1, 5, 4, 0, 3, 2]，接着如下简单的使用，在ReID中常用的代码块，随机排序后随机快速的遍历到与该索引号对应行人相同的id。def serch_pos(self, index): path, target, cam = self.imgs[index] img =
2020-07-10 16:35:22
147
原创 Spatial Transformer Networks翻译理解
Abstract空间转换器，允许在网络中对数据进行空间操作，这个可微模块可以插入到现有的卷积架构中，使得神经网络能够主动的在空间上转换特征图，条件是特征图本身，无需额外的训练监督或优化过程的修改，会使得模型学习到平移，缩放，旋转和更一般扭曲的不变性。Introduction能够对图像进行推理的系统的一个理想特性是从纹理和形状中分离出物体的姿态和部分变形。通过允许网络在一定程度上对特征的位置保持空间不变，在CNNs中引入的局部最大池层有助于满足这一特性。在CNN中之间的特征图实际上对输入数据的转换并不是
2020-07-03 16:03:45
585
opencv实现四个视频同时的运动目标的追踪，并显示处运动轨迹，同时进行屏幕的录制，向本地服务器上传视频
2018-03-16
江南大学计算机组成原理期末设计，使用VHDL编写的一个可以运行的CPU，包括bit文件
2018-03-08
matlab算法集合打包
2017-12-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人