自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(26)
  • 收藏
  • 关注

原创 docker部署Flask项目

Docker部署Flask项目

2023-02-09 10:16:45 263

原创 OCR——CRNN

CRNN

2022-06-06 19:36:31 228

原创 MobileNet网络

这里写目录标题一、MobileNet v1MobileNet v1亮点亮点1:DW卷积(减少运算量和参数数量)亮点2:增加超参数:α \alpha\,α(控制卷积核个数的超参数),β \beta\,β(控制输入图像大小的超参数)1、DW卷积与传统卷积区别2、深度可分离卷积(DW+PW)(1)PW卷积:1*1的普通卷积(2)普通卷积与深度可分离卷积计算量对比(3) MobileNet v1网络结构二、MobileNet v2MobileNet v2亮点亮点1:Inverted Residuals(倒残差结构

2022-05-12 16:44:58 1420

原创 Linux指令

1、查看端口是否开放 netstat -ntlp | grep 9998

2022-05-09 14:26:53 413

原创 Flask后台框架

一、请求参数的方法1、url自带的查询参数http://127.0.0.1:5000/test?username=woniu&password=12345@app.route('/test')def test(): #查询参数使用args username = request.args.get('username') password = request.args.get('password') return '你的用户名:%s,你的密码:%s' %(usernam

2022-01-25 16:47:27 559

原创 转置卷积+FCN语义分割网络

一、转置卷积1、定义转置卷积(Transposed Convolution) 在语义分割或者对抗神经网络(GAN)中比较常见,其主要作用就是做上采样(UpSampling)。在有些地方转置卷积又被称作fractionally-strided convolution或者deconvolution,但deconvolution具有误导性,不建议使用。**对于转置卷积需要注意的是:**(1)转置卷积不是卷积的逆运算、不是逆运算、不是逆运算(重要的事情说三遍) 转置卷积不是卷积的逆运算(一般卷积操作是

2021-11-22 18:40:45 2002

原创 二阶段网络

1、RCNN对2000*20的每一列分别进行极大值抑制,保留高质量建议框2、fast-RCNN1、fast-RCNN的第二步于RCNN完全不同:RCNN将2000候选框送入CNN网络;fast-RCNN将整张图送入CNN网络得到特征图,将候选区域映射到特征图得到特征矩阵2、fast-RCNN的第三步于RCNN完全不同:RCNN专门训练SVM分类器和回归器fast-RCNN结合在一个网络中,不需要专门训练SVM分类器和回归器每一个ROI区域划分为7*7=49分做最大池

2021-01-13 22:17:37 867

原创 产品经理常用的工具推荐

【加餐】产品经理常用的工具推荐【必修课】告别“野路子”,需求分析万能公式【必修课】告别“野路子”,需求分析万能公式【必修课】如何利用需求分析模型,拆解完成对竞品的拆解【加餐】产品经理常用的工具推荐【加餐】产品经理常用的工具推荐【必做作业】应用万能公式完成需求分析咱们有很多新人同学刚入门,对于产品相关工具不是很熟悉,所以特别给大家整理了一些常见工具,减少大家收集时间;工具本身只是辅助,如果大家本身有自己熟悉的,按自己的习惯就好。PS:三节课支持使用正版工具,均不提供任何工具安装包,大家自行在

2020-08-19 21:39:21 508

原创 2020-08-16

产品经理产品经理做什么能力![在这里插入图片描述](https://img-blog.csdnimg.cn/20200816233346406.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NTAxODAw,size_16,color_FFFFFF,t_70#pic_center)产品经理做什么发现需求,设计产品方案、整合技术资源

2020-08-19 21:35:27 108

原创 M2Det

M2Det一级目录学习目标研究背景1、存在问题2、前情提要一级目录解决多尺度问题:(1)目标检测中,一张图片会存在大大小小的物体,尺度大小差异(2)同种类型的物体,有大有小,靠近镜头大,远离校。但是大小不一样,特征一样。之前方法局限性学习目标1、理解M2Det算法核心2、了解目标检测中,多尺度问题所在3、对以提升目标检测精度有自己的理解研究背景1、存在问题1、红绿灯与人尺度相同,但是特征不同(有复杂、有简单)2、车同一个物体,特征相同、尺寸不同2、前情提要1、SSD:特征

2020-08-18 22:16:38 635

原创 CNN基础

1、卷积核2、卷积

2020-08-06 16:13:39 91

原创 服务器虚拟环境配置语言

conda create -n pt python=3.8conda activate ptconda deactivateconda info --envs

2020-07-06 17:51:34 130

原创 SSD——单点多尺寸目标检测器

SSD一、目标检测1、基于手工特征的目标检测2、基于深度学习的目标检测二、论文整体框架1⃣️ 摘要1、提出了SSD目标检测算法2、介绍SSD性能2⃣️ 引言3⃣️ SSD网络模型及训练方法4⃣️ 实验结果5⃣️相关工作6⃣️结论三、模型一、目标检测1、基于手工特征的目标检测2、基于深度学习的目标检测1、基于区域提名的目标检测算法(two-stage):RCNN、fast-RCNN、faster-RCNN区域提名,即针对图像中目标物体位置,预先提出候选区域的方法。然后再通过卷积神经网络对候区域

2020-05-29 22:32:36 495

原创 机器学习——特征工程

特征工程一、特征抽取1、字典2、文本二、特征处理(一)、特征处理的方法1、数值型数据:2、类别型数据:one-hot编码3、时间类型:时间的切分2、sklearn特征处理的API1、归一化概念2、归一化计算过程一、特征抽取1、字典2、文本二、特征处理特征预处理:对数据进行处理,通过特定的统计方法(数学方法)将数据转换成算法要求的数据(一)、特征处理的方法1、数值型数据:标准缩放:1、归一化2、标准化3、缺失值2、类别型数据:one-hot编码3、时间类型:时间的切分2、sklea

2020-05-26 11:21:28 178

原创 SSM框架

一、认识SSM框架SSM:spring+springMVC+mybaits1、spring:是一个容器(实体对象的集合)–>不需要通过new来创建对象,通过注解从容器中拿对象本质:封装了一个构造对象的过程@auto2、springMVC:控制器(业务逻辑层,与用户打交道) 把用户的请求转移到指定的配置好的方法里,根据参数、请求来访问数据库,拿到一些数据,考虑怎样展示页面——>视...

2020-05-04 10:51:30 12841

原创 YOLOv3

一、 YOLOv2+YOLO9000二、YOLOv3论文内容结构1、Absract三、YOLOv3改进部分1、loss改进(1) 交叉熵:(2) yoloV3的loss:(3) yoloV1的loss2、YOLOv3网络结构四、YOLOv3结果分析...

2020-04-16 22:38:26 307

原创 YOLO v1

YOLOv11 、论文内容结构2、yolo的优缺点3、yolo结果分析4、目标检测评价指标1 、论文内容结构假阳性:把物体认为是背景的情况2、yolo的优缺点3、yolo结果分析1、实验一2、与fast-RCNN 对比3、yolo+fasterRCNN4、yolo泛化能力强,学到物体的本质特征4、目标检测评价指标1、mAP(平均准确率):绿色:groundtr...

2020-04-13 17:52:40 630

原创 Focal Loss for Dense Object Detection

Introduction1、交叉熵损失函数(CE)2、全卷积网络(FCN) 对输入图片尺寸无要求,无全连接层,只有卷积层(分割问题最后一个卷积核1*1)3、特征金字塔(FPN)a.图像金字塔b.传统方法c .SSD采用的特征金字塔,忽略了其他层特征表达d.FPNFocal Loss(按分类难度增加对难分类样本的关注度)1、Cross Entropy Loss:在单阶段物体检测器...

2020-04-09 22:40:02 123

原创 Faster R-CNN

朝着实时目标检测器迈进的区域监测网络ssd(实现了实时检测)是借鉴faster-RCNN :高级特征图上利用anchor选择建议区域,进行分类回归;ssd无全连接,faster-RCNN有全连接。目标检测回顾原始图像(low-level)高级特征(high-level)进行图像分类效果好1、对比RCNN、Faster—RCNN:(1) RCNN:在原始图像提取框,精度低(2) Fas...

2020-03-19 11:51:54 232 1

原创 python基础——函数用法与底层分析

函数函数简介python函数分类函数定义、调用函数形参、实参函数简介python函数分类函数定义、调用函数形参、实参

2020-03-18 16:35:48 113

原创 python基础——推导式

自定义标题推导式创建序列列表推导式[]字典推导式{}集合推导式{}生成器推导式(生成元组)推导式创建序列列表推导式[]字典推导式{}统计文本中字符出现的次数:(字典的key不重复)集合推导式{}集合的元素不可重复(本质是字典,只有字典中的key)生成器推导式(生成元组)元组无推导式一个生成器,只能使用一次...

2020-03-17 12:14:05 194

原创 Python基础——字典

字典目录字典定义字典创建字典访问字典元素的添加、修改、删除序列解包字典定义列表:a[0]字典:a[‘name’]字典创建1、{}、dict()来创建字典对象2、zip()创建字典对象3、通过fromkey创建值为空的字典None是一个值字典访问1、通过[键]获取值,若键不存在,抛出异常2、通过get()获取值,推荐使用!!!优点:指定键不存在,返回None;也可以...

2020-03-16 10:46:25 151

原创 python基础——元组

元组tuple元组创建1 、()创建2、通过tuple()创建元组元组访问、计数zip生成器推导式创建元组元组总结

2020-03-15 13:28:56 136

原创 Python基础——序列

Python基础——序列文章目录Python基础——序列序列定义:字符串、列表、元组、字典、集合列表列表定义列表方法列表创建(4种)列表添加列表删除序列定义:字符串、列表、元组、字典、集合列表列表定义列表方法列表创建(4种)1、基础语法创建2、list()创建3、range()创建整数列表4、推到式声称列表列表添加1、append()2、+运算符(创建新对...

2020-03-15 12:57:53 312

转载 迁移学习初探

添加链接描述

2020-03-10 16:19:24 66

原创 python基础——对象、引用

对象对象定义内存示意图

2020-03-09 11:51:51 81

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除