数字图像
文章平均质量分 88
fwyynl
在躺平和上进中仰卧起坐
展开
-
二分类神经网络结果准确率50%,loss一直在0.69的解决方法
先参考这篇文章,了解为什么loss是0.69链接:https://www.jianshu.com/p/45c2180cab17这个问题很多人在训练自己或者迁移别的网络的时候都会遇到,特别是二分类这样的简单网络,感觉无处着手,都他妈的是对的,就是Loss不动。到底什么原因了?吐槽的网址很多。比如这里,或者这里。若想知道解决办法,请直接跳到文章最后。 0.69是个什么数? 一般采用的都是cross entropy loss value,定义如下: 发现就是网络预...原创 2021-11-15 20:14:56 · 11200 阅读 · 1 评论 -
3D图像自监督一些关键知识
三维图像分类、语义分割和重建_邢源的博客-CSDN博客_三维图像分类三维图像分类、语义分割和重建引言1 三维数据的深度学习原理1.1 三维数据表示方法1.2 神经网络的优势1.2.1 三维图的构成1.2.2 多视觉图像1.2.3 点云1.2.4 图模型1.3 图像分类和语义分割1.4 三维重建1.4.1 问题陈述和分类2 案例分析2.1 案例对比2.1.1 pointNet 分类和语义分割+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原创 2021-10-22 17:00:23 · 1317 阅读 · 0 评论 -
【论文阅读】Self-supervised 3D hand pose estimation through training by fitting
数据拟合误差来表述姿势估计网络的训练损失,即手部表面被一组球体所近似。直接将姿势参数化为球体中心,我们的我们的方法利用了FCN的优点,避免了直接角度回归的困难。除了数据项,我们还设置了先验项,包括一个来自训练有素的VAE的数据驱动项。训练有素的VAE,以鼓励运动学的可行性。- 我们提出了一种自我监督的方法,用于从深度图中进行三维手部姿势的估计。我们提出了一种自我监督的方法,用于从深度图中进行3D手部姿势估计。在没有任何人工标签的情况下,该方法实现了与需要大量注释的先进技术相媲美的结果。原创 2021-10-21 23:57:49 · 1078 阅读 · 0 评论 -
python-opencv 画图
主要是查看方便,相关的见import cv2import numpy as np"""np.zeros()方法构造了一个300*300的NumPy数组,同时分配了三个颜色空间,分别表示Red,Green,Blue,正如zeros名字所描述的一样,这个方法用0填充了这个数组的每一个元素。在np.zeros()的第二个变量是数据类型:dtype。由于我们需要用RGB格式来表示我们...转载 2018-11-26 23:55:44 · 483 阅读 · 0 评论 -
空域&频域滤波
空域平滑(1)高斯滤波import cv2 as cvimport numpy as npimg = cv.imread("lena512color.jpg",1)cv.imshow("img",img)cv.waitKey(0)kernel = cv.getGaussianKernel(3,0)print((kernel))# """【函数描述】用于计算一维高斯函数的模板系...原创 2018-11-27 00:57:31 · 723 阅读 · 0 评论