计算机视觉
文章平均质量分 82
智慧地球(AI·Earth)社区
“星辰大海,AI•领航 | 智慧地球,共创未来” 来自中科院和高校的领域内专家博主共同打造智慧地球(AI•Earth)学术技术极客社区!【官方地址】:https://devpress.csdn.net/aiearth,交流前沿学术!分享极客技术!领略智慧地球风采!一起寻找生命中的光!
展开
-
A Semisupervised CRF Model for CNN-Based Semantic Segmentation With Sparse Ground Truth
论文阅读:A Semisupervised CRF Model for CNN-Based Semantic Segmentation With Sparse Ground Truth作者声明版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。原文链接:凤⭐尘 》》https://www.cnblogs.com/phoenixash/p/15390699.html基本信息**\1.标题:**A Semisupervised CRF Model原创 2021-10-10 21:08:55 · 463 阅读 · 0 评论 -
DIVIDEMIX: LEARNING WITH NOISY LABELS AS SEMI-SUPERVISED LEARNING
论文阅读:DIVIDEMIX: LEARNING WITH NOISY LABELS AS SEMI-SUPERVISED LEARNING作者说明版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。原文链接:凤⭐尘 》》https://www.cnblogs.com/phoenixash/p/15369008.html基本信息**\1.标题:**DIVIDEMIX: LEARNING WITH NOISY LABELS AS SEMI-SUP原创 2021-10-08 14:26:17 · 580 阅读 · 0 评论 -
Self-Training using Selection Network for Semi-supervised Learning
论文阅读:Self-Training using Selection Network for Semi-supervised Learning作者说明版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。原文链接:凤⭐尘 》》https://www.cnblogs.com/phoenixash/p/15368992.html基本信息**\1.标题:**Self-Training using Selection Network for Semi-s原创 2021-10-08 14:25:40 · 281 阅读 · 0 评论 -
Remote Sensing Images Semantic Segmentation with General Remote Sensing Vision Model via a Self-Supe
论文阅读:Remote Sensing Images Semantic Segmentation with General Remote Sensing Vision Model via a Self-Supervised Contrastive Learning Method作者声明版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。原文链接:https://www.cnblogs.com/phoenixash/p/15371354.html基原创 2021-10-08 14:24:57 · 510 阅读 · 0 评论 -
Semi-supervised semantic segmentation needs strong, varied perturbations
论文阅读:Semi-supervised semantic segmentation needs strong, varied perturbations作者声明版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。原文链接:凤⭐尘 》》https://www.cnblogs.com/phoenixash/p/15379232.html基本信息**\1.标题:**Semi-supervised semantic segmentation need原创 2021-10-08 14:24:06 · 716 阅读 · 0 评论 -
【论文阅读】A Three-Stage Self-Training Framework for Semi-Supervised Semantic Segmentation
论文阅读:A Three-Stage Self-Training Framework for Semi-Supervised Semantic Segmentation作者说明版权声明:本文为博主原创文章,转载请附上原文出处链接和本声明。本文链接:https://www.cnblogs.com/phoenixash/p/15364758.html基本信息**\1.标题:**A Three-Stage Self-Training Framework for Semi-Supervised Sema原创 2021-10-04 18:27:38 · 564 阅读 · 0 评论 -
ISPRS Vaihingen 数据集解析
因为跑实验要用到Vaihingen数据集,第一次接触,这里主要简单介绍和分析一下2D Semantic Labeling。Benchmark TestAs of now (summer 2018) all reference data for all benchmarks we are running is available for download - end of the benchmark challenge!This means that we are stopping evaluating原创 2021-04-27 14:22:50 · 15330 阅读 · 6 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-二】感知机
目录简介第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法...转载 2019-03-17 22:03:03 · 890 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-一】经典书籍《Neural Networks and Deep Learning》
目录简介第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法...转载 2019-03-17 22:01:59 · 752 阅读 · 0 评论 -
【模型修改的漫漫长路】经典VGG模型理解-这大概是目前最详细的讲解了【一】
前言-论文好不容易写出来了,好不容易让导师看了,结果老师说模型不改只能发普通的文章,在我再三退却后变成了模型不改不给发【其实是自己太菜,论文写的太菜】。用的模型什么的没理解透,现在突然说修改简直是天方夜谭...好在在之后讨论的过程中有了大致的论文重写的方向,不过现在对模型的理解仍然是重中之重,在修改的过程中能多学一点也是蛮好的,正好参加比赛是肯定要用到神经网络,顺便也仔细学一学...论文的话至少能...转载 2019-03-20 18:17:05 · 4179 阅读 · 0 评论 -
【目标检测】评价指标-分类汇总【持续更新】
一、检测-正确-相关评价指标1、准确率(Accuracy):分对的样本数除以所有的样本数 ,即:准确(分类)率 = 正确预测的正反例数 / 总数。准确率一般用来评估模型的全局准确程度,不能包含太多信息,无法全面评价一个模型性能。2、召回率(recall)和 精确率(Precision):召回率(recall)又被称为查全率,预测为正例(positive)的样本中正确的数量除以真...原创 2019-01-29 22:36:02 · 1871 阅读 · 0 评论 -
【转】NMS【non-maximum suppression】—非极大值抑制
原文:https://blog.csdn.net/shuzfan/article/details/52711706 NMS(non maximum suppression),中文名非极大值抑制,在很多计算机视觉任务中都有广泛应用,如:边缘检测、目标检测等。这里主要以人脸检测中的应用为例,来说明NMS,并给出Matlab和C++示例程序。人脸检测的一些概念(1) 绝大部分人脸检测器的...转载 2019-01-21 21:34:05 · 410 阅读 · 0 评论 -
CNN:add padding pixels 解释
一句话总结padding是增加各个边的pixels的数量,目的是保持feature map 不要太小,但也没必要超过原图的大小,所以不可以任意数量;padding的上限是维持feature map 大小与原图大小一致,具体增加pixel的数量多少,由filter的尺寸和stride大小共同决定;有一个具体的算法,实现padding, filter size, feature map siz...转载 2019-01-20 19:58:17 · 599 阅读 · 1 评论 -
写论文经常用到的网站、工具、技巧汇总【持续更新】
学习需要,非商业转载,如有侵权请及时联系,立删,十分抱歉工具汇总一-论文资料获取:获取全文利器:Sci-Hub: removing barriers in the way of science【这个网址经常会变,能科学上网的可以直接Google搜索,不能的,我也会定时更新:https://sci-hub.tw/】提升LaTeX效率的小工具:Detexify LaTeX handwritt...原创 2019-01-20 12:08:32 · 4050 阅读 · 0 评论 -
【转】学术论文写作方法
论文对于硕士,尤其博士,是必须的一种技能,也是一道难关。所谓大道无形,小道可走。下面给出一些博士期间的写作心得,希望能有所裨益。论文可以有三个境界:毕业、科研、贡献。现在只说第一个,为了毕业。这里的论文,可以指EI论文、SCI/E论文。我把论文分成三个阶段:读、写、改。一、读即:读哪些论文(对象),读论文的目的是什么(目标),怎么读(方法)1.读什么论文。 读...转载 2019-01-20 10:35:48 · 2289 阅读 · 0 评论 -
【目标识别】评价指标(Iou,mAP,Fps)
一、交并比 物体检测需要定位出物体的bounding box,就像下面的图片一样,我们不仅要定位出车辆的bounding box 我们还要识别出bounding box 里面的物体就是车辆。对于bounding box的定位精度,有一个很重要的概念,因为我们算法不可能百分百跟人工标注的数据完全匹配,因此就存在一个定位精度评价公式:IOU。IOU定义了两个bounding box的重...转载 2018-12-24 10:49:56 · 6516 阅读 · 0 评论 -
Single Shot MultiBox Detector论文翻译【修改】
这几天读了SSD论文的原理部分,看了别人的翻译,发现很多应该都是google直接翻译过来的,有些地方读的不是很通顺,自己就在自己的理解和搜索的基础上对我看的那篇翻译做了一些修改。【原文地址:http://noahsnail.com/2017/12/11/2017-12-11-Single%20Shot%20MultiBox%20Detector%E8%AE%BA%E6%96%87%E7%BF%BB...原创 2018-12-28 20:16:13 · 473 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-三】sigmoid神经元
目录简介第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法...转载 2019-03-17 22:03:25 · 641 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-四】神经网络的结构
目录简介第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法...转载 2019-03-17 22:04:00 · 649 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-五】用简单的神经网络识别手写数字
目录简介第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法...转载 2019-03-17 22:05:31 · 490 阅读 · 0 评论 -
主流优化器 Optimizer 详解(BGD、SGD、MBGD、Momentum、NAG、Adagrad、Adadelta、RMSprop、Adam)
商汤实习面试被爆出翔T_T,一问三不知,也让我找到了很多自己的不足...不得不说...现在的水平实在是...太垃圾了...赶紧来学习一下...????在机器学习、深度学习中使用的优化算法除了常见的梯度下降,还有 Adadelta,Adagrad,RMSProp 等几种优化器,都是什么呢,又该怎么选择呢?在 Sebastian Ruder 的这篇论文中给出了常用优化器的比较,今天来学习一下:htt...转载 2019-09-10 16:20:44 · 747 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-神经网络存在的问题及解决】梯度消失&梯度爆炸&过拟合&欠拟合&深度神经网络退化问题
之前学的神经网络的原理、奇技淫巧什么的都忘的差不多了,正好这次有任务,顺道把之前的一些没理解透的问题重新理一理:神经网络现在有很多类型了,每一种类型都是在之前的基础上发现问题并解决问题的过程,目前一些主流的问题虽然都已经得到了很好的解决,但理解为什么要这样修改对模型的选择无疑大有裨益。一、深度学习中存在的问题:1、梯度消失&梯度爆炸梯度消失的根源—–深度神经网络和反向...转载 2019-04-22 23:27:29 · 7401 阅读 · 1 评论 -
【菜菜的CV进阶之路-数据预处理-基础】Python轮廓检测、找出轮廓中心点、绘制最小矩形框并裁剪
一、获取轮廓:主要使用OpenCV的cv2.findContours()方法:findContours( InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, ...原创 2019-04-16 10:42:35 · 5253 阅读 · 1 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-十四】四个基本方程的证明(自选章节)
目录简介 第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法学习参数 第六节-实...转载 2019-03-19 11:59:58 · 463 阅读 · 0 评论 -
交叉熵代价函数详解
大多数人都会对犯错感到不愉快。在我刚学钢琴不久时,我将要在观众面前进行我的第一场表演。我当时很紧张,把一个八度弹奏低了。我卡住了,直到别人指出我的错误后,我才得以继续弹奏。我当时非常尴尬。尽管犯错时很不愉快,但是我们能够从明显的错误中学到东西。你能猜到在我下次弹奏的时候会把这个八度弹对。相反,如果错误很不明显的话,我们的学习速度将会很慢。理想情况下,我们希望神经网络能够快速地从错误中学习。这种...转载 2019-03-18 23:28:38 · 4221 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-十三】反向传播背后的四个基本等式
目录简介 第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法学习参数 第六节-实...转载 2019-03-18 18:08:01 · 507 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-十二】Hadamard积-- s⊙t
目录简介 第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法学习参数 第六节-实...转载 2019-03-18 17:09:23 · 783 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-十一】关于代价函数的两个假设
目录简介 第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法学习参数 第六节-实...转载 2019-03-18 17:05:33 · 422 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-十】热身:一个基于矩阵的快速计算神经网络输出的方法
目录简介 第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法学习参数 第六节-实...转载 2019-03-18 16:54:41 · 433 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-九】反向传播算法工作原理
目录简介 第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法学习参数 第六节-实...转载 2019-03-18 16:17:23 · 400 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-八】向深度学习进发!
目录简介第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法...转载 2019-03-17 21:51:02 · 677 阅读 · 1 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-七】实现我们的手写体数字分类神经网络
目录简介第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法...转载 2019-03-17 22:05:52 · 543 阅读 · 0 评论 -
【菜菜的CV进阶之路-神经网络的深入理解-六】通过梯度下降法学习参数
目录简介第一章-使用神经网络识别手写数字 第一节-感知机 第二节-sigmoid神经元 第三节-神经网络的结构 第四节-用简单的神经网络识别手写数字 第五节-通过梯度下降法...转载 2019-03-17 22:05:42 · 681 阅读 · 0 评论 -
白话理解向量范数
转自:https://www.jianshu.com/p/f0e41ebe5e4b最近搞深度学习用到了范数的概念(准确地说是向量范数),我在这里作一下简单的解释,未必100%准确,但是对我来说已经够用了。首先,在试图理解之前,我们先看一下它们的数学定义:1-范数:2-范数: ...转载 2019-03-17 15:47:06 · 795 阅读 · 0 评论 -
Enhancement of SSD by concatenating feature maps for object detection(R-SSD)
github地址:https://github.com/soo89/Rainbow-SSD摘要我们提出了一种对象检测方法,该方法提高了传统SSD(Single Shot Multibox Detector)的准确性,该方法是精度和速度两方面的顶级目标检测算法之一。深度网络的性能已知晓,提高了数字的性能。然而,它很难提高性能,但是会略微提高性能图表的数量。在本文中,我们提出并分析如何有效地使...转载 2018-12-13 21:14:23 · 589 阅读 · 0 评论 -
SSD-Tensorflow 512x512 训练配置
搞了几天终于把这个给搞得差不多了,遇到的错误这里也记录一下:一、配置【配置什么的300和512其实差不多,这里只举一个例子来分析一下】 之前的文件修改什么的和300x300的一样:https://www.cnblogs.com/GrPhoenix/p/10018072.html从自己训练的ssd_300_vgg模型开始训练ssd_512_vgg的模型 因ssd_300_v...原创 2018-11-29 20:59:47 · 2741 阅读 · 10 评论 -
Resource exhausted: OOM when allocating tensor with shape[2304,384] Traceback (most recent call last
The reason is simple: I just use too much gpu memory:2018-09-26 18:50:05.489980: W T:\src\github\tensorflow\tensorflow\core\common_runtime\bfc_allocator.cc:279] ********__*_____________________*_**...原创 2018-09-26 18:54:37 · 5112 阅读 · 0 评论 -
win10 pycharm debug tensorflow-gpu [Process finished with exit code -1073741819 (0xC0000005)【已解决】
windows上使用pycharm debug project with tensorflow-gpu error:这个问题还是蛮水逆的,网上有说是:1、这个好像是环境变量的问题,pycharm在获取环境变量时,估计用了WINDOWS系统里过时的方法,导致在新的系统上无法正确解析出环境变量值出来,补充一下,本人用的win10。https://www.cnblogs.com/lin...原创 2018-10-03 23:39:56 · 4587 阅读 · 1 评论 -
ssd [Error] UnicodeDecodeError: 'gbk' codec can't decode byte 0x81 in position【已解决】
使用ssd训练,pip install viz 的时候遇到的错误:Traceback (most recent call last): File "<string>", line 1, in <module> File "C:\Users\xx\AppData\Local\Temp\pip-build-nn12vt2q\viz\setup.py...原创 2018-10-17 21:12:13 · 9175 阅读 · 0 评论 -
使用yolo训练时Loss变为nan[解决思路]
首先参考这篇文章:原创|使用caffe训练时Loss变为nan的原因:梯度爆炸 不当的损失函数 不当的输入 池化层中步长比核的尺寸大检查自己的train.py:检查代码(正确) 检查输入(自己之前调试的时候修改了图片预处理的一个函数get_random_data)将random=False改成random=True后就可以了...原创 2018-10-07 10:57:03 · 278 阅读 · 1 评论