- 博客(956)
- 资源 (13)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 AttributeError: module ‘torch‘ has no attribute ‘irfft‘ ‘rfft‘‘
torch rfft
2023-02-22 20:16:27
2320
1
原创 【可解释】|弱监督定位
https://github.com/jbeomlee93/AdvCAMhttps://github.com/zhaozhengChen/ReCAMhttps://github.com/shaofeifei11/CI-CAMhttps://github.com/CVI-SZU/CCAMhttps://github.com/weixuansun/infercamhttps://github.com/shjo-april/PuzzleCAM
2022-12-01 13:27:33
935
原创 【目标检测】|批大小如何影响模型学习
这篇论文的作者“关于深度学习的大批量训练：泛化差距和锐利最小值”，声称这是因为大批量方法往往会导致模型卡在局部最小值中。超参数定义了更新内部模型参数之前要处理的样本数，这是确保模型达到最佳性能的关键步骤之一。（3）Batch Normalization 使用同批次的统计平均和偏差对数据进行正规化，加速训练。学习率和批量大小密切相关——小批量在较小的学习率下表现最好，而大批量在较大的学习率下表现最好。（1）对一个批次的多个训练数据同时进行 f(x W +b) 操作，更容易GPU并行化处理。
2022-11-03 20:45:35
852
原创 TensorBoard histogram直方图 坐标轴数值计算含义
其中，横轴表示值，纵轴表示数量，每个切片显示一个直方图，切片按步骤（步数或时间）排列；旧的切片较暗，新的切片颜色较浅．如图，可以看到在第393步时，以4.91为中心的bin中有161个元素．。另外，直方图切片并不总是按步数或时间均匀分布，而是通过水塘抽样/reservoir sampling来抽取所有直方图的一个子集，以节省内存．。
2022-10-23 22:49:08
574
原创 【目标检测】|yolov5候选框计算
计算所有真实框长宽与9组候选框长宽的比值（比值应小于1），在9组长宽比值中选择长宽中的最小值x(表示找到9个候选框长或宽哪一个与真实框最不贴合)。而后在9组最小值中选择最大值best（在9组不够贴合的候选框中选择最贴合的那个）。共得到真实框数量个最大值best。计算最优候选框best阈值大于25%所占比例作为bpr，计算9组候选框阈值大于25%所占比例作为aat。
2022-10-22 23:08:42
920
原创 【目标检测】IOU loss CIOU
https://zhuanlan.zhihu.com/p/102956248https://zhuanlan.zhihu.com/p/110799558
2022-10-21 11:10:00
676
原创 【目标检测】感受野
如下图是一个全卷积网络，输入图像分辨率的改变会导致输出的分辨率有所改变，比如下图右边的部分最后的特征图出来是3×3的。结合之前的感受野的介绍和计算，来看下图中间的图示，最左边表示的是3×3的特征图上每个位置在原图的感受野中心，这里由红点表示。其实对于检测网络网络的训练可以视为一种高效的分类网络训练，因为一个检测的样本一次可以产生非常多分类的样本，每个分类样本就是感受野对应的图像区域，框的回归其实被当做一件附带的事情给干了，因为无论是one-stage还是two-stage的方法，框的预测都是和类别无关的！
2022-10-19 10:13:23
174
原创 谷歌浏览器 无法使用网页翻译
管理员权限打开hosts文件：C:\Windows\System32\drivers\etc\hosts。如220.181.174.98 translate.googleapis.com，修改后并保存。复制好的IP地址 translate.googleapis.com，在命令行输入ping google.cn，并复制IP地址。在hosts文件最末尾加入。cmd，打开命令提示符。
2022-10-08 16:31:16
289
1
原创 RuntimeError: a view of a leaf Variable that requires grad is being used in an in-place operation
【代码】RuntimeError: a view of a leaf Variable that requires grad is being used in an in-place operation。
2022-10-05 18:46:25
796
原创 python 判断值a是否在列表中，给出元素在list列表中的位置
【代码】python 判断值a是否在列表中，给出元素在list列表中的位置。
2022-09-26 16:51:29
2019
原创 _pickle.UnpicklingError: STACK_GLOBAL requires str
将数据集中labels.cache文件去掉即可。
2022-09-25 09:48:08
323
原创 AttributeError:module ‘distutils‘ has no attribute ‘version
setuptools包版本过高。
2022-09-24 13:43:35
319
原创 【目标检测】|APs APm APl AR1 AR10代码 计算
【代码】【目标检测】|APs APm APl AR1 AR10代码 计算。
2022-09-22 20:13:28
1415
1
原创 Ubuntu系统kill后，显示看不到进程，但GPU显存仍被占用问题
Ubuntu系统有时候会出现GPU显存显示占满，但是使用nvidia-smi命令 kill python 后仍然显示内存占用。
2022-09-18 22:18:20
1321
原创 【目标检测】|yolov6 结构代码分析
yolov6s整体：在build_network中生成backbone,neck detect (其中，backbone为EfficientRep)EfficientRep位于yolov6/model/efficentrep.py。
2022-09-14 20:47:58
3011
原创 Typora旧版本无法使用 This beta version of Typora is expired, please download and install a newer
2.找到这个路径：计算机\HKEY_CURRENT_USER\SOFTWARE\Typora。1.win+R调用运行窗口，输入regedit命令进入注册表界面。4.在administrator用户（）权限中选择拒绝。3右键Typora选择权限菜单。
2022-09-12 22:02:31
245
原创 【目标检测】|YOLOV6 YOLOv6: A Single-Stage Object Detection Framework for Industrial Application
YOLOv6：一种用于工业应用的单级目标检测框架吸收了最近网络设计、训练策略、测试技术、量化和优化方法的思想。构建一套不同规模的可部署网络，以适应多样化的用例。我们的量化版本的YOLOv6-S甚至达到869fps时AP43.3%。（1）RepVGG[3]的重新参数化未能充分利用，小型网络，普通单路径架构是更好的选择，但对于大型模型，参数的指数增长和单路径架构的计算成本使其不可行。（2）基于再参数化的检测器的量化也需要细致的处理，否则，由于其在训练和推理期间的异构配置，很难处理性能退化。
2022-09-09 08:45:57
2750
原创 【模型剪枝】| yolov5 模型分析及剪枝
其中的add属性很重要，决定了是否有shortcut，其实在yolov5的backbone中的Bottleneck都是有shortcut的，在head中的Bottleneck都没有shortcut。255是3×（80+5）,对应3个anchor， 80个类别，使用bce做二分类判断是否为当前类别，4个坐标预测，1个是判断是否为目标或者背景。先通过一个Conv，然后分别进行不同kernel的pooling，3个pooling和输入拼接，在通过一个Conv。拼接层，用于拼接之前的层，例如。
2022-09-05 15:48:31
1916
原创 【模型量化】|偏差修正 Fighting Quantization Bias With Bias
而网络在经过量化后，同样的数据经过该层后，其均值已经不符合原BN统计出的均值，也即数据分布发生了变化(注意BN存在于多个层，这里说的数据分布是泛指各个层的激活，而不仅仅指第一层网络的输入)。如上图所示，是32张图片经过MobileNet某层某channel后激活值分布情况，Q是量化模型，FP是float模型，可以看到两个数据分布是不一样的，均值会发生偏移。文章认为量化会使网络激活值的均值发生偏移，通过对偏移进行修正，可以有效提高量化模型的性能。网络BN会统计出数据经过某层后的均值和方差信息。...
2022-09-01 17:31:28
538
原创 【目标检测】|yolov5 yaml文件
该anchor尺寸是为输入图像640×640分辨率预设的，实现了即可以在小特征图（feature map）上检测大目标，也可以在大特征图上检测小目标。三种尺寸的特征图，每个特征图上的格子有三个尺寸的anchor。yolov5-5yolov5-6from：输入来自那一层，-1代表上一层，1代表第1层，3代表第3层number：与depth_multiple结合确定网络的深度，而且number数量要大于1module：与width_multiple结合确定网络的宽度，主要是改变卷积核的数量。...
2022-09-01 11:22:36
3013
1
原创 【知识蒸馏】|Distilling the Knowledge in a Neural Network
soft target是来自于teacher model的检测结果。Hinton的文章"Distilling the Knowledge in a Neural Network"首次提出了知识蒸馏（暗知识提取）的概念，通过引入与教师网络（Teacher network：复杂、但预测精度优越）相关的软目标（Soft-target）作为Total loss的一部分，以诱导学生网络（Student network：精简、低复杂度，更适合推理部署）的训练，实现知识迁移（Knowledge transfer）。
2022-08-25 16:25:12
233
原创 【tensorboard】|解决ValueError: Duplicate plugins for name projector
报错的原因就是安装重复插件（安装了多个tensorboard）。删除tensorboard-2.9.1.dist-info。
2022-08-20 11:11:18
149
原创 【模型剪枝】|Learning Efficient Convolutional Networks through Network Slimming
作用对象：BN层（和不重要的通道）作用方式： imposes sparsity-induced regularization on the scaling factors（比例因子）通过对批量归一化（BN）层中的缩放因子强加L1正则化将BN缩放因子的值逼近零，因为每个缩放因子对应于特定的卷积通道（或完全连接的层中的神经元），使得我们能够识别不重要的通道。这有助于在随后的步骤中进行通道层次的修剪。
2022-08-20 11:09:17
528
原创 【python】|ImportError: cannot import name ‘_validate_lengths‘
numpy 版本过高可降低版本，此处通过增加代码找到：Anaconda3/lib/python3.6/site-packages/numpy/lib/arraypad.py 最后添加下面两个函数保存，重新加载即可消除错误
2022-07-12 11:20:02
165
win和linux操作系统文件互传 WinSCP-5.17.6-Setup
2020-10-09
Qt安装遇到的问题修复解决方案
2020-08-22
labelme2COCO格式转换，包含了面积计算
2019-04-09
《数学建模算法与应用习题答案》课后习题源码pdf
2018-11-10
C++/OpenCV2.4.xx印刷数字精确识别源码
2018-11-06
ubuntu磁盘空间再分配 不重装系统情况下如何把/usr多余空间给/home
2019-05-12
Opencv image watch auto maximize contrast
2018-06-09
TA创建的收藏夹 TA关注的收藏夹
TA关注的人