深度学习
文章平均质量分 71
学习深度学习
Nightmare004
一个小菜鸡
展开
-
ultralytics-yolov8
装pytorch安装用到的包。原创 2024-07-21 20:17:12 · 632 阅读 · 1 评论 -
The Art of Drafting: A Team-Oriented Hero Recommendation System for Multiplayer Online Battle Arena
DOTA2 Radiant(天辉)和Dire_(夜魇)以天辉为例(先手选人)n2n=2n2玩家数量S⊂ZNS⊂ZN游戏状态,s∈Ss \in Ss∈S是一个NNN维向量,表示一个游戏状态;NNN是总英雄数量si1Radiant−1Dire0otherwisesi⎩⎨⎧1−10RadiantDireotherwiseSTS_{T}ST终态集合,bp结束ρS→RadiantDireρ。原创 2024-06-10 12:09:42 · 948 阅读 · 0 评论 -
Supervised Learning Achieves Human-Level Performance in MOBA Games: A Case Study of Honor of Kings
提出绝悟-SL(JueWu-SL)将宏观战略(macro-strategy)和微观管理(micromanagement)以监督和端到端的方式整合到神经网络中。 在王者荣耀上测试,达到有最高的水准原创 2024-04-29 10:27:07 · 713 阅读 · 0 评论 -
滑动平均+TTA
给定一堆二维图像,要拼成三维,然后要在x,y,z上分别预测,预测要预测一个二维patch,还要tta,最后平均结果。原创 2023-12-01 10:35:31 · 466 阅读 · 0 评论 -
RuntimeError: handle_0 INTERNAL ASSERT FAILED at “/opt/conda/conda-bld/pytorch_1695392036766/work/c1
查了半天没找到什么解决方法,然后我观察了一下显存。今天我的pytorch报了一个神奇的错误。用了9G,因此有可能时反向传播的时候g了。总结:调小batch能解决这个问题。调小batch了之后就能用了。原创 2023-11-04 16:00:55 · 2540 阅读 · 1 评论 -
Distribution-Aware Coordinate Representation for Human Pose Estimation阅读笔记
主要研究人体姿态估计中heatmap转坐标的方法,提出一种新的解码方法(其实这人体姿态我毛也不会,过来看看这个heatmap解码方法)原创 2023-11-01 19:47:52 · 145 阅读 · 0 评论 -
根据keypoint生成heatmap
这里keypoint是有类别的,生成的heatmap是每个通道对应每个类别的heatmap。原创 2023-09-15 16:55:08 · 394 阅读 · 0 评论 -
backward问题记录
原因:应该是模型在lbfgs那里算了整个模型的梯度而不是只算beta的梯度。查阅文档,发现backward还有一个inputs的参数,于是。然后根据这个输出,用lbfgs去优化另一个变量。但是就会发现,模型一轮要跑15分钟,非常慢。最后优化模型,大致代码如下。原创 2023-09-08 20:40:38 · 234 阅读 · 0 评论 -
坐标转距离矩阵
【代码】坐标转距离矩阵。原创 2023-08-01 10:25:46 · 227 阅读 · 0 评论 -
Failed to process string with tex because latex could not be found
【代码】Failed to process string with tex because latex could not be found。原创 2023-08-01 10:25:32 · 673 阅读 · 0 评论 -
Distribution Matching for Crowd Counting阅读笔记
用OT来解决人群计数问题用了OT+count loss + TV loss证明OT的泛化误差比density map和Bayesian Loss。原创 2023-08-01 10:24:40 · 225 阅读 · 0 评论 -
A Generalized Loss Function for Crowd Counting and Localization阅读笔记
简单来说,就是用了UOT来解决人群计数问题。原创 2023-08-01 10:20:12 · 296 阅读 · 0 评论 -
Wasserstein距离
可以证明p-Wasserstein distance也是距离。表示Lipschitz连续,其中Lipschitz常数为。称为p-Wasserstein distance,原创 2023-07-04 15:08:30 · 568 阅读 · 0 评论 -
AttributeError: module ‘distutils‘ has no attribute ‘version‘
打开anaconda3/envs/DL/lib/python3.8/site-packages/torch.utils/tensorboard/原创 2023-05-05 22:44:47 · 278 阅读 · 0 评论 -
Hausdorff distance
设XXX和YYY是度量空间MMM的两个紧子集dHXYmaxsupx∈Xinfy∈Ydxysupy∈Yinfx∈XdxydHXYmaxx∈Xsupy∈Yinfdxyy∈Ysupx∈Xinfdxy。原创 2023-05-01 13:46:24 · 655 阅读 · 0 评论 -
monai学习
这是monai特有的类型也是原本的tensor,带上meta data,例如affine,spacing,direction,origin两个MetaTensor相加,如果is_batch为False,则复制第一个的metadata。原创 2023-04-28 21:24:27 · 2070 阅读 · 1 评论 -
感知机学习
假设输入控件(特征空间)是X⊆Rn,输出空间是Y1−1,输入x∈X表示实例的特征向量,对应于输入空间(特征空间)的点;输出y∈Y表示实例的类别。由输入空间到输出空间的如下函数fxsignw⋅xb称为,其中w和b为感知机参数signx1−1x≥0x0。原创 2023-04-28 15:40:48 · 550 阅读 · 0 评论 -
dice学习
∣X∣表示X的元素个数。原创 2023-04-23 14:08:30 · 545 阅读 · 0 评论 -
An Attention-Guided Deep Regression Model for Landmark Detection in Cephalograms阅读笔记
作者结合局部信息+全局的信息作者提供的框架是一个两阶段的UNet全局阶段:普通的UNet,局部阶段:利用全局阶段生成的heatmap,裁剪patch送入局部阶段在推理阶段,使用Expansive Exploration strategy。原创 2023-04-11 21:21:27 · 145 阅读 · 0 评论 -
Integrating spatial configuration into heatmap regression based CNNs for landmark localization
3个卷积之后,会上采样,然后和上一层的结果相加,然后再上采样,再和上一层相加。局部模型有4层,需要每一层有3个卷积,在第二个卷积之后会接一个池化给下一层。前作这里是每个landmark分别卷积,最后相加,这里就直接卷积了。与很多heatmap方法不同的是,作者的高斯分布的标准差。前作的局部是3个卷积,这里改成了类似UNet的结构。越来越大(其实我也没看出来为啥),第二项会让。其实基本思想和前作类似,局部空间信息。的卷积,最后上采样得到结果。优化目标里,第一项会让。是一个可以学习的参数。原创 2023-04-11 13:02:55 · 266 阅读 · 0 评论 -
Regressing Heatmaps for Multiple Landmark Localization Using CNNs阅读笔记
作者使用了heatmap来进行landmark detection提出了SpatialConfiguration-Net(SCN),将局部heatmap和全局空间信息结合。原创 2023-04-10 10:05:21 · 351 阅读 · 0 评论 -
Removing the bias of integral pose regression阅读笔记
这里只写了Removing the bias of integral pose regression方法和自己实现的代码Hp表示热力图Hp∑p′∈Ωexpβ⋅Hp′expβ⋅Hp))β0其中Ω表示整张图的坐标Cp′∈Ω∑expβ⋅Hp′其中Ω1Ω2Ω3Ω4分别表示左上,右上,左下,右下x0y0是没有偏差的坐标Jrxryrp∈Ω∑Hp。原创 2023-04-03 22:17:15 · 291 阅读 · 0 评论 -
Contour-Hugging Heatmaps for Landmark Detection阅读笔记
希望输出landmark的位置和每个landmark的不确定度(Uncertainty)原创 2023-04-03 22:12:28 · 324 阅读 · 0 评论 -
ubuntu20 openpose cuda11.7 cudnn8 opencv4.7.0
假设你已经装好了opencv4.7.0, cuda11.7 cudnn8。然后看看要不要把cudnn去掉(反正我去掉了)放到models/pose/body_25。放到models/pose/coco。放到models/pose/mpi。放到models/face。放到models/hand。然后再点configure。建议ubuntu换个源(点configure。原创 2023-04-03 20:09:56 · 557 阅读 · 0 评论 -
ubuntu20 caffe opencv4 conda python3.7.10
如果你只想要pycaffe,那可以conda+python3.7.10,然后conda install caffe-gpu。原创 2023-04-03 17:26:01 · 431 阅读 · 0 评论 -
pytorch加载预训练模型(只加载到特征提取)
【代码】pytorch加载预训练模型(只加载到特征提取)原创 2023-03-24 12:48:41 · 744 阅读 · 0 评论 -
图片仿射变换矩阵
这里用齐次坐标系。原创 2023-03-11 11:31:12 · 313 阅读 · 0 评论 -
ubuntu C++调用python
目录结构main.py等会用c++调用func()main.cpp其中Py_SetPythonHome的路径是anaconda中环境的路径,最开始的L一定要加(因为代表wchar_t)sys.path.append是用来找你的python文件路径的,其中"."表示可执行文件的路径稍微对照着修改一下就行我这里cmake最后产生到build目录里。原创 2023-03-06 16:20:19 · 1594 阅读 · 0 评论 -
MPII数据集
我这里暂时只考虑图片,不考虑视频。原创 2023-03-03 13:21:46 · 723 阅读 · 0 评论 -
Stacked hourglass networks for human pose estimation代码学习
这是一个用于人体姿态估计的模型,只能检测单个人作者通过重复的bottom-up(高分辨率->低分辨率)和top-down(低分辨率->高分辨率)以及中间监督(深监督)来提升模型的性能。原创 2023-02-27 15:10:33 · 483 阅读 · 0 评论 -
上采样学习
简单来说就是x方向和y方向分别复制。原创 2023-02-15 17:37:52 · 398 阅读 · 0 评论 -
拉普拉斯矩阵
Δffxi1yjfxi−1yjfxiyj1fxiyj−1−4fxiyjkl∈Nij∑fxkyl−fxiyj其中Nij表示ij相邻的节点,例如这里是四联通(上下左右)原创 2023-02-12 01:35:15 · 1537 阅读 · 0 评论 -
回归和分类求导练习
矩阵求导(看微分那部分就够了)原创 2023-02-10 16:59:12 · 355 阅读 · 0 评论 -
RuntimeError: Unable to find a valid cuDNN algorithm to run convolution
发现快到了顶了,说明确实可能是显存的问题。说是降低batch_size可能有用。原创 2022-11-20 19:54:07 · 630 阅读 · 0 评论 -
pytorch梯度累积学习
结论:在loss不求平均的情况下,批次1和批次2分别求梯度加起来和一次性算是一样的。原创 2022-11-15 20:27:01 · 579 阅读 · 0 评论 -
Pytorch加载模型时修改输入通道数
修改resnet50的输入,将输入改为灰度图。修改vgg16的输入,将输入改为灰度图。原创 2022-11-04 15:24:37 · 1700 阅读 · 0 评论 -
pytorch REPRODUCIBILITY学习
设置了torch.use_deterministic_algorithms(True)之后,如果你的代码里有不确定算法,就会报错。imgagu会先从numpy获取第一个随机种子,所以imgaug前设置numpy随机种子,也就相当于设置了imgaug的随机种子。如果用了这个,那你只有第一下是随机的,后面的增强都跟第一次一样。不过如果你的库用的随机种子不是numpy,那需要自己设置。那么第二个batch就也是旋转5,10,15。比如说第一个batch,旋转5,10,15。也就是说跑2次,增强的是一样的。原创 2022-09-05 21:52:36 · 727 阅读 · 0 评论 -
pytorch余弦相似度矩阵与角度矩阵
cosine_similarity(x,y)=cos⟨x,y⟩=xTy∥x∥∥y∥\text{ cosine\_similarity}\left( \mathbf{x},\mathbf{y}\right)=\cos \left\langle \mathbf{x},\mathbf{y} \right\rangle=\frac{\mathbf{x}^T\mathbf{y}}{\|\mathbf{x}\|\|\mathbf{y}\|} cosine_similarity(x,y)=cos⟨x,y⟩=∥x∥∥原创 2022-07-10 16:49:42 · 1604 阅读 · 0 评论 -
FROC曲线
两次了,问这个froc,我都不知道是个啥,所以来学习了froc曲线其实与roc曲线类似froc把横坐标换成了平均的假阳性个数这里主要对着这个代码讲https://github.com/M3DV/RibFrac-Challenge/blob/master/ribfrac/evaluation.py前置知识这是一个肋骨骨折的比赛,有2个任务,第1个是检测(实例分割),第2个是对分割的结果进行分类froc针对第一个任务这个比赛要求提交1.实例分割的.nii.gz文件2.一个csv每一行是一个骨原创 2022-03-17 20:01:42 · 1873 阅读 · 2 评论 -
ROC曲线
这个是针对二分类的基础概念从分类的结果来看,有四种情况真阳性(True positive (TP)):预测为阳性,实际为阳性假阳性(False positive (FP)):预测为阳性,实际为阴性假阴性(False negative (FN)):预测为阴性,实际为阳性真阴性(True negative (TN)):预测为阴性,实际为阴性这4个就构成了一个混淆矩阵真阳性率 (TPR, true positive rate)又称:命中率 (hit rate)、敏感度(sensitivity)原创 2022-03-16 20:34:52 · 3129 阅读 · 0 评论