![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算机视觉
文章平均质量分 67
lizi0403
这个作者很懒,什么都没留下…
展开
-
batch norm, layer norm, instance norm, group norm
batch norm, layer norm, instance norm, group norm转载 2022-07-29 16:12:29 · 189 阅读 · 0 评论 -
torch BCEWithLogitsLoss
torch BCEWithLogitsLoss原创 2022-07-26 19:36:08 · 2130 阅读 · 0 评论 -
python 3D医学图像可视化
python 3D医学图像可视化原创 2022-07-25 21:15:50 · 2000 阅读 · 0 评论 -
转置卷积(transposed convolution)
转置卷积原创 2022-07-23 17:04:54 · 623 阅读 · 0 评论 -
Dice coefficient 和 Dice loss
Dice coefficient 和 Dice loss原创 2022-07-23 15:06:18 · 607 阅读 · 0 评论 -
目标检测评价指标 AP、mAP
目标检测中的TP、FP、FN所有检测框都认为是Predicted Positive所有真实框都是Ground-truth Positive若一个检测框与一个真实框的IOU>阈值并对正确分类,则认为该检测框是一个True Positive若一个检测框不与任何真实框IOU>阈值 或 当检测框与真实框IOU>阈值却没有正确分类时,则认为该检测框是一个False Positive若一个真实框不与任何一个检测框匹配(即IOU>阈值且类别一致),则认为该真实框是一个False原创 2021-10-08 22:03:25 · 1112 阅读 · 0 评论 -
NMS和Soft-NMS
NMS目标检测的算法流程大致如下:①由RPN生成若干类别无关的proposal(左上到右上)②由分类网络和回归网络生成每个proposal的类别概率分布和坐标偏移量(右上到右下)③对所有检测框进行NMS得到最终的检测框(右下到左下)NMS就是用于消除如右下图所示的重叠的一些检测框NMS算法过程:开始于一个检测框列表B、对应的置信度(类别概率)列表S、空的最终检测框列表D、阈值N_t。首先,找到最高置信度对应的检测框M, 将其从B中删除,并添加到最终检测框列表D中。然后,计算M与B中其他检原创 2021-10-08 17:41:45 · 1133 阅读 · 0 评论 -
R-CNN中的ROIPool、ROIAlign
ROIPool:原图—>feature mapROI->feature map ROIROI->feature map ROI具体映射方式:从左到右依次是:原图中的ROI,映射到feature map上的ROI(直接等比例缩放坐标和大小),量化后的feature map ROI(浮点数向下取整)ROIPool:上图中最右边的(4*6)feature map ROI经过ROIPooling池化成固定大小的(3*3..翻译 2021-10-05 20:35:49 · 778 阅读 · 0 评论