- 博客(7)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 panda 基本操作
读取excel文件df = pd.read_excel('data.xlsx', sheet_name='数据-玉米')DataFrame根据索引 切片操作df = df.iloc[0:-1 ,0:-3]获取列名col_name = df.columns.values.tolist()获取根据列名，获取某一列，并将浮点型转换成int类型county_id = df.loc[:, col_name[0]].astype('int')把空缺值用0.00来填充prod
2020-12-23 10:56:01
416
原创 不需要下载7-zip 解压 7z.001 7z.002 7z.003
[参考文章](https://zhidao.baidu.com/question/309069763402942644.html)方法/步骤如图，我bai们在 G:\Downloads\Test 目录中有du一批 Test.7z.00x 分卷压缩文zhi件（后缀一般为 001-00x）dao好了，首先我们使用快捷键zhuan“shuWin+R”弹出运行命令框，输入：cmd，打开命令行窗口输入：cd G:\Downloads\Test进入 7z 分卷文件目录中再输入：G:即进入到 7z分卷文件
2020-12-22 16:46:46
8185
3
原创 Deconvolution and Checkerboard Artifacts（反卷积与棋盘状失真）
Deconvolution and Checkerboard Artifacts
2020-12-14 14:27:21
664
原创 安装pydensecrf（100%成功：2020.12.13）
去网站下载与python版本对应的pydensecrf版本使用如下命令安装参考文章
2020-12-13 18:20:48
1867
1
原创 Going Deeper with Nested U-Structure for Salient Object Detection
U2-Net: Going Deeper with Nested U-Structure for Salient Object DetectionAbstractReSidual U-blocks(RSU)中混合了不同大小的感受野，因此能够从不同的尺度捕获更多的上下文信息。由于在RSU blocks中使用了池化操作，因此可以在不显著增加计算成本的情况下增加了整个结构的深度。优点：不需要使用分类网络的骨干网络就可以从头开始训练深层网络。两个模型：U2-Net U2-Net+1.Introduc
2020-12-03 20:06:30
682
原创 EfficientFCN
Abstract分割网络的性能和效率都对语义分割很重要。 最新的语义分割算法主要是基于空洞卷积的全卷积网络（dilatedFCN），该网络在骨干网络中使用空洞卷积来提取高分辨率特征图，以实现高性能的分割性能。由于在高分辨率特征图上进行了许多卷积操作，所以基于dilatedFCN的方法会导致较大的计算复杂性和内存消耗。目前的Encoder-Decoder结构的性能无法与DilatedFCN网络相比，本文提出EfficientFCN，主干网络是ImageNet预训练没有（没有空洞卷积），从encoder
2020-12-02 22:31:48
744
原创 CascadePSP
CascadePSP: Toward Class-Agnostic and Very High-Resolution Segmentation via Global and Local Refinement Abstract目前的语义分割方法都是针对固定分辨率进行训练的，这些分割方式对于高分辨率的图像分割任务来说是不准确的，因为使用bicubic upsampling无法沿目标边界充分捕获高分辨率图像的细节。作者提出了一种不使用高分辨率训练图像进行训练，而是使用低分辨率图像进行训练以解决高分辨率图像
2020-12-02 16:19:19
1973
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人