- 博客(38)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 浅谈神经网络常规异常解决办法（一直更新）
浅谈神经网络常规异常解决办法前言tensorflow和keras限制gpu显存tensorflowkeras设置tensorflow和keras设置cpu运行常见异常解决方案前言记录下一些小问题的解决方案（长期更新）。tensorflow和keras限制gpu显存tensorflowps：注意keras和tensorflow设置方式是不同的限制为0.5import tensorflow tf_config = tensorflow.ConfigProto() tf_config.gpu_
2020-09-20 14:14:20
1853
原创 说说优秀的目标识别yolov3算法
说说优秀的目标识别yolov3算法前言论文地址github地址预备知识Yolov3边框预测Yolov3边框解码代码讲解预测部分主干特征提取darkNet53特征金字塔构建，获得预测结果预测结果的解码（可以看预备知识）训练部分真实框的编码loss值计算前言yolo系列一直是我喜欢的算法，虽然yolov4出来了很久了，但是yolov3还是具有很大的研究空间。今天我们来解析下yolov3.（虽然我以前写过，但是我最近对这个算法有了新的理解）论文地址https://pjreddie.com/media/f
2020-09-07 22:20:07
3151
原创 说说经典two-stage目标检测faster-Rcnn算法
前言faster-rcnn做为一款优秀的two-stage目标检测，它的思想在很多地方都能看到。今天我们就来说说吧！！！论文地址https://arxiv.org/abs/1506.01497github地址https://github.com/yanjingke/faster-rcnn-keras什么是目标检测？图片分类任务，就是算法对其中的对象进行分类。而今天我们要了解构建神经网络的另一个问题，即目标检测问题。这意味着，我们不仅要用算法判断图片中是不是一辆汽车， 还要在图片中标记出它的位置
2020-09-05 23:20:26
2726
原创 说说早期目标检测-----------ssd那些事
说说早期目标检测---------ssd那些事前言论文地址githubssd的优点学习前言a[::-1]ssd---anchorSSD代码讲解1.预测部分获得预测结果预测框解码2.训练部分真实框编码loss值计算总结前言在2015年的时候，ssd作为一匹黑马杀出，他的贡献给深度学习one-stage开辟新纪元。今天我来讲解下我半年前学的第一个优秀的目标检测算法ssd。ps：回想，当年入门确实艰难。论文地址https://arxiv.org/abs/1512.02325githubhttps://
2020-09-04 01:09:10
1905
原创 说说优秀的目标检测retinanet那些事
说说优秀的目标retinanet那些事前言论文地址github地址retinanet---anchor解读前言retinanet是我以前学了很久的目标检测框架，我将来剖析下它的论文和代码。ps：本来想写目标跟踪的，发现我太菜了，相关滤波的算法根本看不懂，准备好好学习下统计学。论文地址github地址retinanet—anchor解读anchor的设置，相当于提前在图片上做预选，通常在生成anchor时，每一张图片上将会对应成千上万的anchor也就是候选框，可想而知，如此庞大的候选框数量，肯定
2020-09-02 22:38:55
2926
3
原创 说说pspnet经典语义分割那些事
解读pspnet经典语义分割前言原论文地址github代码预备知识1.FCN2.深度可分离卷积3. mobilenetv2什么是pspnet？代码讲解主干网络金字塔池化psp模块获得预测结果loss计算前言今天我们来解析下pspnet代码和论文里面所提到重要部分,pspnet虽然没有deeplabv3那样强的语义效果，但是deeplabv3是在pspnet上结合了一定思想，改出来的。下面我们来看看pspnet吧。原论文地址https://arxiv.org/pdf/1612.01105.pdfg
2020-08-31 21:58:01
2539
2
原创 很神奇的语义分割deeplabv3
很神奇的语义分割deeplabv3学习前言github代码什么是Deeplabv3？Deeplabv3的优点及总结：Deeplabv3代码部分主干网络--mobilenetv2deeplabv3 encode部分deeplabv3 decode部分LOSS函数的组成学习前言由于项目的需要，回顾下我以前读过的一篇论文的deeplabv3，顺便谈下他的实现代码。github代码https://github.com/yanjingke/deeplabv3什么是Deeplabv3？Deeplabv3是一
2020-08-22 18:49:02
3553
1
原创 浅谈SSIM 损失函数计算
浅谈SSIM 损失函数计算前言Structural Similarity亮度相似性对比度相似性结构相似度SSIM 实现总结前言最近研究图像重建老是看到SSIM损失函数，但是去找了那篇论文《Image Quality Assessment: From Error Visibility to Structural Similarity》挺有意思的。Structural Similarity作者把两幅图 x, y 的相似性按三个维度进行比较：亮度（luminance）l(x,y)，对比度（contrast
2021-02-11 14:03:20
15453
8
原创 浅谈Transfomer代码原理解读
浅谈Transfomer代码原理解读前言Transformer架构Input Embedding and Output EmbeddingEmbeddingPositional EmbeddingEncoder and decoderMuti-Head-AttentionSelf Attention什么是查询向量(query )、键向量(key )和值向量(value )？Muti-Head-AttentionAdd & NormFeed-Forward Network总结Mask-Multi-He
2021-01-29 00:55:17
3478
原创 Pytorch pb文件转TensorRT 7.0 版本
Pytorch pb文件转TensorRT 7.0 版本前言环境要求转换步骤githubpb到onnxonnx转trt预测代码前言tensorRT的加速效果还是挺明显的。我主要提供两个版本的代码，一个是分类resnet50模型，一个是目标检测yolo的版本。环境要求Pytorch==1.2.0CUDA 10.2TensorRT 7.0转换步骤pb->onnx(caffe)->trt(tensorRT)githubhttps://github.com/yanjingke/ten
2020-12-24 17:30:10
2812
3
原创 numpy总结
这里写目录标题np.take_along_axis(a, ai, axis=1)np.take_along_axis(a, ai, axis=1)>> np.sort(a, axis=1)array([[10, 20, 30], [40, 50, 60]])>>> ai = np.argsort(a, axis=1); aiarray([[0, 2, 1], [1, 2, 0]])>>> np.take_along_ax
2020-12-22 10:05:59
1902
原创 pytorch小难点
总结pytorch语法1.scatter_(input, dim, index, src)>>> x = torch.rand(2, 5)>>> x 0.4319 0.6500 0.4080 0.8760 0.2355 0.2609 0.4711 0.8486 0.8573 0.1029[torch.FloatTensor of size 2x5]LongTensor的shape刚好与x的shape对应，也就是LongTensor每个in
2020-12-19 20:32:25
1847
1
原创 浅谈利用强化学习A3C玩转超级玛丽奥
浅谈利用A3C玩转超级玛丽奥前言github什么是Actor-Critic？A3C算法loss值计算前言很早以前看过超级玛丽奥利用人工智能玩，以前感觉很高档。就写一篇吧。github什么是Actor-Critic？Actor-Critic，其实是用了两个网络：两个网络有一个共同点，输入状态S: 一个输出策略，负责选择动作，我们把这个网络成为Actor； 一个负责计算每个动作的分数，我们把这个网络成为Critic。大家可以形象地想象为，Actor是舞台上的舞者，Critic是台下的评委。Acto
2020-12-08 15:46:47
3284
1
原创 浅谈PPO算法-玩转月球登陆
浅谈PPO算法-玩转月球登陆前言什么是Actor-Critic？Actor-Critic代码ppo算法实现前言总感觉强化学习公式真难学，也难表达心中所想，我还是白话强化学习吧。什么是Actor-Critic？Actor-Critic，其实是用了两个网络：两个网络有一个共同点，输入状态S: 一个输出策略，负责选择动作，我们把这个网络成为Actor； 一个负责计算每个动作的分数，我们把这个网络成为Critic。大家可以形象地想象为，Actor是舞台上的舞者，Critic是台下的评委。Actor在台上
2020-11-21 22:19:07
3167
1
原创 天池下的瑞金医院MMC人工智能辅助构建知识图谱
浅谈知识图谱------天池下的瑞金医院MMC人工智能辅助构建知识图谱前言数据说明问题网络模型和效果展示代码实体的定义和处理句子的切分和处理代码和数据集：前言知识图谱是个很大的概念，可惜我没数据，借用瑞金医院的数据集，来谈下命名识别。数据说明数据使用 brat 进行标注，每个 .txt 文件对应一个 .ann 标注文件。txt文件对应一篇糖尿病下的论文，ann文件有3列，以 \t 分隔，第一列为实体编号，第二列为实体类别，第三列为实体位置信息。实体位置信息共3列， 以空格分隔，分别代表实体的
2020-10-27 12:06:08
4401
12
原创 浅谈StarGAN
浅谈StarGAN前言github论文StarGANStarGAN优势StarGan loss对抗损失域分类损失(cls)重建损失(rec)完整的损失StarGAN具体实现generator生成器discriminator鉴别器loss计算训练前言今天我们来聊下StarGAN。github论文StarGANStarGANStarGAN的引入是为了解决多领域间的转换问题的，之前的CycleGAN等只能解决两个领域之间的转换，那么对于含有C个领域转换而言，需要学习C*(C-1)个模型，但Star
2020-10-18 22:46:50
4928
3
原创 浅谈知识图谱---neo4j
浅谈知识图谱---neo4j前言什么是知识图谱？什么是neo4j？neo4j安装前言想研究行人重识别了，发现知识图谱的概念在行人重识别里面还是应用挺多的，正好听老师也谈过这个东西。什么是知识图谱？知识图谱本质上是语义网络（Semantic Network）的知识库。可以简单地把知识图谱理解成多关系图（Multi-relational Graph）。 在知识图谱里，我们通常用“实体（Entity）”来表达图里的节点、用“关系（Relation）”来表达图里的“边”。**实体指的是现实世界中的事物比
2020-10-14 21:59:43
2493
1
原创 浅谈nlp-----word2vec那些事
浅谈nlp-----word2vec那些事前言什么是NLP?什么是word2vec?我们是怎么样构建训练数据的啦？什么是CBOW和skipgram?前言由于太久没水博客了，。什么是NLP?首先引入一个简单的列子,判断一个词的词性，是动词还是名词。用机器学习的思路，我们有一系列样本(x,y)，这里 x 是词语，y 是它们的词性，我们要构建 f(x)->y 的映射这样理解.在 NLP 中，把 x 看做一个句子里的一个词语，y 是这个词语的上下文词语，那么这里的 f，便是 NLP 中经常出现的『语
2020-10-06 11:38:18
1838
原创 浅谈遮挡物的数据增强方法
浅谈遮挡物的数据增强方法前言random-erasingCutoutCutMix前言随着这几年深度学习的发展，遮挡物一直是目标检测多年以来的难题。在最近几年踊跃出几款好的对遮挡物数据增强。random-erasing->Cutout->CutMix等。random-erasingRandom Erasing的方式，将原数据集中一部分保持原样，另外一部分随机擦除一个矩形区域。我感觉伪代码的图也讲的比较好，基本对应我的代码。参数说明：1.s_l、s_h分别是需要随机擦除的矩形面积大
2020-09-20 20:53:12
4649
1
原创 浅谈改进模型小技巧----提升感受野
浅谈改进模型小技巧----提升感受野前言什么是spp？SPP-NET用于物体检测(可以不用看，我感觉没啥价值，因为太过古老)什么是RFB？什么是ASPP?前言想写写yolov4的，但是想把yolov4中的小技巧介绍一部分小技巧介绍完在介绍吧！我们来看看下面这张图，我感觉特别精彩，很好的诠释了yolov4的思想。什么是spp？为什么CNN需要固定的输入呢？CNN网络可以分解为卷积网络部分以及全连接网络部分。我们知道卷积网络的参数主要是卷积核，完全能够适用任意大小的输入，并且能够产生任意大小的输出。
2020-09-16 12:05:29
7933
1
原创 浅谈小技巧标签平滑-------Label Smoothing
浅谈小技巧标签平滑-------yolov4前言什么是交叉熵？1.信息量2.熵3.交叉熵标签平滑前言今天来聊下yolov4中引进的标签平滑小技巧吧！标签平滑让我想到了，90分就优秀了，为啥还要追求100分？什么是交叉熵？1.信息量信息量来衡量一个事件的不确定性，一个事件发生的概率越大，不确定性越小，则其携带的信息量就越小。设X是一个离散型随机变量，其取值为集合X=x0,x1,…,xn ，则其概率分布函数为p(x)=Pr(X=x),x∈X，则定义事件X=x0 的信息量为：当p(x0)=1时，该
2020-09-14 15:44:19
5680
4
原创 浅谈目标检测中常规的回归loss计算----------最新yolov4中ciou计算
浅谈yolov4中小技巧--回归loss计算ciou前言目标检测loss的发展史什么是Smooth L1 Loss前言今天我们来看下目标检测里面提出的CIOU。目标检测loss的发展史在目标检测中其演进路线是Smooth L1 Loss --> IoU Loss --> GIoU Loss --> DIoU Loss --.>CIoU Loss什么是Smooth L1 Loss首先看L1 loss 和 L2 loss 定义：写成差的形式，f(x) 为预测值， Y
2020-09-11 13:05:51
5601
6
原创 浅谈神经网络改进小技巧----学习率衰减
浅谈神经网络改进小技巧----学习率衰减前言什么是学习率衰减分段常数衰减指数衰减自然指数衰减多项式衰减余弦衰减前言今天我们来谈下学习率衰减，利用学习率衰减来的到我更好的预测效果。什么是学习率衰减在训练神经网络时，使用学习率控制参数的更新速度．学习率较小时，会大大降低参数的更新速度；学习率较大时，会使搜索过程中发生震荡，导致参数在极优值附近徘徊．为此，在训练过程中引入学习率衰减，使学习率随着训练的进行逐渐衰减．在模型优化中，常用到的几种学习率衰减方法有：分段常数衰减、指数衰减、多项式衰减、自然指
2020-09-09 21:53:04
4223
原创 浅谈Attention机制的作用
浅谈注意力机制的作用前言什么是注意力机制对于时间步的注意力机制（我感觉cv里面叫通道注意力，不知道我）前言Attention机制是很好的一个东西，Attention机制在近几年来在图像，自然语言处理和cv等领域中都取得了重要的突破，被证明有益于提高模型的性能。让我们一起来了解下注意力机制吧。什么是注意力机制所谓Attention机制，便是聚焦于局部信息的机制，比如，图像中的某一个图像区域。随着任务的变化，注意力区域往往会发生变化。面对上面这样的一张图，如果你只是从整体来看，只看到了很多人头，但
2020-09-09 11:47:07
25001
原创 浅谈yolov4中的一部分数据增强
浅谈yolov4中的数据增强前言数据增强数据增强步骤1.对图片进行水平翻转2.对图片进行缩放3.对图片HSV色域变换4. Mosaic数据增强5. 总代码前言在接下来的几天，我将解读yolov4，yolo系列一直是很火的目标检测算法。我特别喜欢yolov4。而今天我们来谈下数据增强。数据增强计算机视觉中的图像增强，是人为的为视觉不变性（语义不变）引入了先验知识。数据增强也基本上成了提高模型性能的最简单、直接的方法了。首先增强的样本和原来的样本是由强相关性的（裁剪、翻转、旋转、缩放、扭曲等几何变换，还
2020-09-08 20:39:49
3224
2
原创 说说soft-nms和nms那些事
说说经典非极大抑制前言什么是非极大抑制？传统的非极大抑制产生的问题？soft-nms前言今天来介绍下非极大抑制。什么是非极大抑制？目标检测算法会输出多个检测边框，尤其是在真实目标周围会有很多置信度高的检测边框。为了去除重复的检测边框，达到每个物体有且只有一个检测结果的目的。非极大值抑制（Non-maximum suppression，NMS）是一种获取局部最大值，抑制非极大值的算法，在计算机视觉中有着广泛的应用。其核心思想是一个迭代-遍历-消除的过程，重叠率大于固定阈值的低分框会被高分框抑制。
2020-09-04 22:28:50
2634
原创 浅谈背景建模和光流估计那些事
浅谈背景建模和光流估计那些事前言背景建模1.帧差法2.混合高斯模型3.匹配方式光流估计前言浅谈下背景建模和光流估计。背景建模1.帧差法由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标，从而实现目标的检测功能。虽然帧间差分法的原理简单，计算量小，能够快速检测出场景中的运动目标。但由实验结果可以看出，帧间差分法检测的目标不完整，内部含有“空洞”，这是
2020-08-29 20:31:00
1729
原创 opencv task3------答题卡识别
答题卡识别前言github答题卡识别需求分析具体步骤图像基本预处理仿射变化答题卡圆形轮廓检测，并排序按行排序，对圆形区域的像素值，检测计算答案的正确率总结前言纸上得来终觉浅，绝知此事要躬行。算法是要多读论文、多看代码、多复现代码的。后两步特别重要。githubhttps://github.com/yanjingke/opencv_answer_sheet答题卡识别需求分析在本次识别中识别答题卡上的答案，并且计算出错误和正确的部分，统计出来。具体步骤1.图像基本预处理，保留试卷部分2.仿
2020-08-29 12:50:26
4199
原创 opencv task2----停车场车位识别
opencv task2----停车场车位识别前言预备知识1. inRange()函数2. Canny算子3. cvFillPoly4.HoughLinesP停车场车位识别需求分析具体步骤对图片预处理将建立好的字典序列前言这个项目虽然识别技术很老，相比深度学习来识别来说也相对复杂、落后，但是是一个很好的练习opencv的项目。预备知识1. inRange()函数cv2.inRange函数设阈值，去除背景部分cv2.inRange(hsv, lower_red, upper_red)hsv指的是
2020-08-28 11:17:05
2309
原创 学习记录------------------图像特征计算Harris角点检测和Sift
总感觉很古老的图像特征计算Harris和Sift前言预备知识1.泰勒级数2.现代知识极值点Harris角点检测原理什么是角点？Harris 角点检测算法的原理Sift 角点检测Sift前言图像尺度空间Sift 步骤1. 高斯差分金字塔（DOG）2.计算极值点DoG空间极值检测.关键点的精确定位消除边界相应生成特征描述前言今天，我们来聊下Harris和sift这两个经常在论文里面提到的图像特征计算的算法吧。预备知识1.泰勒级数引用当年考研时，汤老师说过话吧，一切函数我都能产开成这个算式。其中包括多元
2020-08-26 22:25:33
1665
原创 opencv task1-------银行卡识别
opencv task1-------银行卡识别前言opencv的安装预备知识1.二值化2.轮廓检测3.形态学3.sobel算子4.模版匹配项目步骤1.准备识别模版2.对银行卡操作3.模版匹配具体代码文件配置识别模版读取与裁剪银行卡读取与裁剪进行模版匹配前言一个好的深度学习算法工程师，从来就是和opencv、pilow、Matplotlib一起混合用，由于这个代码不是我写的，我就不上传代码了。opencv的安装这里我们使用python版opnecv，c++版本的基础算法也差不多。pip insta
2020-08-24 20:09:44
2481
1
原创 好玩的实例分割-------------mask-rcnn
好玩的实例分割-------------mask-rcnn学习前言什么是mask-rcnn？mask-rcnn的优点githubmaskrcnn 实现思路获得Proposal建议框Proposal建议框的解码Roi Align 层建立classifier模型建立mask模型loss值计算学习前言有几天没写博客了，今天解读我以前阅读的一篇论文maskRCNN，顺便解读下它的代码。什么是mask-rcnn？mask-rcnn是何凯明大神提出的，他是基于faster-rcnn提出的two-statge算法
2020-08-21 16:38:47
2059
原创 强大的cpu上实时检测的retinaface人脸检测目标检测算法
强大的cpu上实时检测的retinaface人脸检测目标检测前言什么是retinafaceretinaface优点Retinnaface具体实现网络主干------特征提取部分前言今天解读我阅读的一篇论文retinaface。什么是retinafaceretinaface是一款继mtcnn以后的，single-stage人脸检测框架，并利用强监督和自监督信号的多任务损失计算，提出了一种most state-of-the-art的密集人脸定位方法。它加入了五个人脸Landmark对人脸关键点进行了定
2020-08-17 13:32:51
3362
2
原创 有点喜欢的mobileNet系列mobileNetv3
有点喜欢的mobileNet系列mobileNetv3mobileNetV3介绍网络复现实现代码 mobilenetV3 large网络复现实现代码 mobilenetV3 smallmobileNetV3介绍mobileNet系统主要针对在手机上运能运行高性能低资源的网络。而mobileNetv3主要利用网络架构搜索（NAS），搜索出来的一种算法。它比v2版本的精度提高了ImageNet分类上提高了6%。mobilev3主要由如下优点：1.大量使用11和33的卷积代替55的卷积，减少了参数量。在v
2020-08-15 00:41:41
4735
1
原创 keras搭建有趣的孪生网络
keras搭建有趣的孪生网络孪生网络keras搭建有趣的孪生网络要解决问题孪生网络github代码下载孪生网络具体实现1.主干特征提取部分2.比较网络比较图片的相似度3.训练部分训练格式训练和loss值比较要解决问题第一类，分类数量较少，每一类的数据量较多，比如ImageNet、VOC等。这种分类问题可以使用神经网络或者SVM解决，只要事先知道了所有的类。第二类，分类数量较多（或者说无法确认具体数量），每一类的数据量较少，比如人脸识别、人脸验证任务孪生网络孪生网络将输入映射为一个特征向量，使用两
2020-08-13 23:02:05
2855
2
原创 常用数据增强系神奇gan-CycleGan
常用数据增强系类神奇gan-CycleGan学习目录常用数据增强系类神奇gan-CycleGan学习前言那么什么是CycleGan？CircleGan的安装生成网络的构建Generator判别网络Discriminatorloss计算训练学习前言写了一天代码，累加懒。本来今天想解读下下yolov4的讲解的，感觉要打太多，就有空写吧。昨天突然产生出灵感，讲讲一些论文里面常提出来的用gan来数据增强吧（改进思路），cycleGan，它的思想也是我也挺喜欢。那么什么是CycleGan？许多名画造假者费尽
2020-08-13 00:44:52
4281
原创 验证破解1——Keras搭建yolo4_tiny点选选择验证码破解（点选）
这里写自定义目录标题验证破解1——Keras搭建yolo4_tiny验证码破解验证破解1——Keras搭建yolo4_tiny验证码破解功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入验证破解1——Keras搭建yolo4_tin
2020-08-11 18:41:10
2899
3
原创 目标检测--解读我在重写yolov3的时候遇到的困难
目标检测–解读我在重写yolov3的时候遇到的困难一、特征提取部分对于darknet50是很好的特征提取，但是我个人认为在我们平常restnet50做主干网络就行了，没必要darknet50，因为darknet50设计出来本来就是分类1000类的，我个人也不崇尚于大网络，我和我师兄测试过长沙理工的交通数据集，darnet50并不是很理想。所以我个人的建议就是换成restnet50，mobile...
2020-04-06 18:12:45
2350
1
车牌数据，已经打包成voc数据集，标准3w张
2020-03-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人