qq_35975753的博客

转载 mish激活函数

直接看Mish的代码会更简单一点，简单总结一下，Mish=x * tanh(ln(1+e^x))。其他的激活函数，ReLU是x = max(0,x)，Swish是x * sigmoid(x)。Mish激活函数无边界(即正值可以达到任何高度)避免了由于封顶而导致的饱和。理论上对负值的轻微允许允许更好的梯度流，而不是像ReLU中那样的硬零边界。最后，可能也是最重要的，目前的想法是，平滑的激活函数允许更好的信息深入神经网络，从而得到更好的准确性和泛化。尽管如此，我测试了许多激活函数，它们...

原创 pytorch中的mean,max操作

x=torch.arange(15).view(5,3) x=x.float() x_mean=torch.mean(x,dim=0,keepdim=True)(表示每一列的平均数) x_mean0=torch.mean(x,dim=1,keepdim=True)（表示每一行的平均数） x_mean:6 7 8 x_mean0: 1471013

转载 卷积神经网络的卷积过程

卷积核，以及卷积核channel数的理解每一个卷积核的大小，为长宽，深度。长，宽自定义，卷积核输入通道数由上一层卷积核的个数或者输入图片的channel数决定。例如：如果上一层就是输入，输入为灰度图像，卷积核的输入通道数为1。输入为rgb图像，卷积核的深度为3。如果上一层为卷积层，卷积核的个数，即channel数。注：（1）经过一个卷积核的输出，必然为一个特征图。（2）卷积核的深度只和上一层的channel数相关，卷积核的深度就等于上一层的channel数（3）卷积核的个数，卷积核的channe

转载 NON-LOCAL-注意力机制

什么是视觉中的注意力机制？计算机视觉（computer vision）中的注意力机制（attention）的基本思想就是想让系统学会注意力——能够忽略无关信息而关注重点信息。近几年来，深度学习与视觉注意力机制结合的研究工作，大多数是集中于使用掩码(mask)来形成注意力机制。掩码的原理在于通过另一层新的权重，将图片数据中关键的特征标识出来，通过学习训练，让深度神经网络学到每一张新图片中需要关注的区域，也就形成了注意力。注意力机制一种是软注意力(soft attention)，另一种则是强注.

转载 Random Forest（随机森林）

Random Forest（随机森林）算法是通过训练多个决策树，生成模型，然后综合利用多个决策树进行分类。1. 单棵决策树的构建：（1）训练样例的选择令N为训练样例的个数，则单棵决策树的输入样例的个数为N个从训练集中有放回的随机抽取N个训练样例。（2）构建决策树令训练样例的输入特征的个数为M，我们在每颗决策树的每个节点上进行分裂时，从M个输入特征里随机选择m个输入特征，且m远远小于M。然后从这m个输入特征里选择一个最好的进行分裂。m在构建决策树的过程中不会改变。...

转载 faster_rcnn_r50_fpn_1x.py配置文件

一、简介在使用mmdetection对模型进行调优的过程中总会遇到很多参数的问题，不知道参数在代码中是什么作用，会对训练产生怎样的影响，这里我以faster_rcnn_r50_fpn_1x.py和cascade_rcnn_r50_fpn_1x.py为例，简单介绍一下mmdetection中的各项参数含义二、faster_rcnn_r50_fpn_1x.py配置文件首先介绍一下这个配置文件所描述的框架，它是基于resnet50的backbone，有着5个fpn特征层的faster-RCNN目标检.

转载 目标检测评价指标AP50，AP60

在目标检测中，我们常用AP和mAP来评价模型的好坏，但是在很多论文中出现了AP50，AP60等指标，这是什么呢？AP是指average precision，平均精确率，即多类预测的时候每一类的precision取平均，类似地还有AR，平均召回率。以Cascade R-CNN的一张图为例，AP50，AP60，AP70……等等指的是取detector的IoU阈值大于0.5，大于0.6，大于0.7……等等。可以看到数值越高，精确率越低，表明越难。————————————————版权声明：本文为CSDN

原创 SSD回归

位置编码和解码✔️ 根据论文的描述，预测和真实的边界框是有一个转换关系的，具体如下：编码：得到预测框相对于default box的偏移量的公式。偏移量都是预测框相对于先验框的数值，编码的过程是ground truth 相对于先验框的偏移值，如果两者都解决先验框，那么我们所预测的预测框就更接近ground truth，该网络所学习到的也就是相对于先验框的偏移值...

原创 fasterrcnn 边框预测