- 博客(17)
- 收藏
- 关注
RSS订阅原创 git镜像安装
打开 [git官网]Git，下载git对应操作系统的版本。官网下载太慢，我们可以使用淘宝镜像下载：CNPM Binaries Mirror
2022-05-25 10:34:11
813
1
原创 集群安装Pytorch
1.首先安装anconda 选择Linux版本的anconda，下载在本地，然后在集群上安装，安装命令bash 下载文件名称（Anaconda3-2021.05-Linux-x86_64.sh） 2.创建环境 conda create -n pytorch_gpu python=3.83.进入当前创建环境 conda activate pytorch_gpu4.进入pytorch官网Start Locally | PyTorch配置相应的环境...
2021-09-26 11:23:07
758
原创 RuntimeError: Error(s) in loading state_dict for Retinanet:
在下载目标检测RetinaNet网络模型时，在不采用原始的resnet50主干网络时，采用resnet101或其它主干时，如果在与运行predict.py出现RuntimeError: Error(s) in loading state_dict for Retinanet:是因为加载的权重与网络不相符。需要以新下载的权重经过训练得到的新权重来做预测...
2021-09-23 15:04:39
1786
原创 全局平均池化和平均池化
全局平均池化（global-average-pooling）顾名思义就是整个特征图求一个平均值,把张量从WxHxN变到1x1xN。平均池化（average-pooling）就是在特征图上从给定的区域中求平均值，变化后的特征图大小与池化区域大小选取有关。...
2021-09-04 16:18:31
5291
原创 阅读Feedback-driven loss function for small object detection
对于物体检测，损失函数一般由三部分组成，分类损失、置信度损失和位置损失，分类损失和置信度损失与物体的大小无关，所以重点是位置损失。Yolov1中位置损失的形式如公式(1)所示:Yolov3试图通过引入一个比例敏感的增益系数来解决上述问题，并且位置损失函数已修正为公式(2)所示的以下形式:反馈驱动损耗函数设计为公式(3):采用分段函数对于大于阈值w的采用2-w，小于阈值w采用公式（6）。这样设计可以很大程度上增加小物体损失所占的比例。...
2021-08-19 15:39:05
725
原创 影响神经网络训练速度的因素
一、GPU和CPU CPU:中央处理器（英文Central Processing Unit）是一台计算机的运算核心和控制核心。CPU、内部存储器和输入/输出设备是电子计算机三大核心部件。其功能主要是解释计算机指令以及处理计算机软件中的数据。 GPU:英文全称Graphic Processing Unit，中文翻译为“图形处理器”。一个专门的图形核心处理器。GPU是显示卡的“大脑”，决定了该显卡的档次和大部分性能，同时也是2D显示卡和3D显示卡的区别依据。 CPU需要很强的通用...
2021-08-07 15:24:25
4404
原创 （Efficientdet）trainval_percent和train_percent的意义
trainval_percent代表交叉验证集占总图片的比例train_percent是训练集占交叉验证集的比例（Efficientdet）表示测试数据占总数据的0.1，训练数据占总数的0.9。
2021-08-05 14:52:52
1062
1
原创 Concat和Add融合方式
Concat融合方式是在特征图的通道进行拼接，Add是在特征图像素之间进行相加操作。如ResNet，FPN等结构采用的add来融合特征，而DenseNet等则采用concat来融合特征。Add代码Concat代码
2021-08-05 14:36:19
1927
原创 BiFPN
FPN特征提取BiFPN加强特征提取BiFPN是在FPN的基础上对其进行改进，对原始的FPN模块又添加了添加上下文信息的边，并对每个边乘以一个相应的权重。代码实现获得P3_in、P4_in、P5_in、P6_in、P7_in进行特征融合进行前向传播...
2021-07-06 10:42:30
31801
14
原创 MBConv模块的注意力机制
注意力机制模块主要是用来让网络对重要的部分施加更多的关注。下图是MBConv模块。首先进行1x1Conv进行升维操作，在进行深度可分离卷积，在进行添加注意力机制，最后通过一个1x1Conv进行降维操作，代码实现如下：该注意力机制首先进行最大池化，再进行两次1x1Conv，在进行swish函数（0-1），最后乘上原特征图。...
2021-07-06 09:55:07
12937
3
原创 扩张卷积（Dilated Convolution）
扩张卷积也被称为空洞卷积或者膨胀卷积，在原始的卷积核上插入零值，是感受野增加（reception field）。扩张卷积参数： dilation rate，指的是卷积核的点的间隔数量，比如常规的卷积操作dilatation rate为1。下图，图(a)d=1 , 图(b)d=2 , 图(c)d=4。扩张卷积操作还是很好理解的，上图中(a)是基础的卷积核，扩张卷积就是在这个基础卷积核加入间隔，上图(b)对应3 × 3 的dilation rate=2的卷积，但是间隔为1，也就是相当于对应7 × 7...
2021-07-05 16:06:42
2030
原创 runtimeerror: found no nvidia driver on your system. please check that you have an nvidia gpu
这是由于电脑没有GPU所以报错了需要安装CPU版本的pytorch
2021-07-04 16:33:43
28477
8
原创 EfficientNetV2
Backbone：EfficientNetV2采用MBConv与Fused-MBConv混合使用来提高网络的训练速度。经过多次实验发现将1-3模块替换为Fused-MBConv效果最好。训练时改变输入图像的大小：在训练时不同大小的图片训练速度和参数大小是不一样的，所以该网络采用大小不同的图片进行训练，可以进一步提高网络的训练速度，并且减少参数量实验结果：...
2021-07-04 10:18:55
685
原创 YOLOV4 SPP模块
SPP模块首要作用是用来解决输入图像尺寸不统一的问题，SPP中不同大小特征的融合，有利于待检测图像中目标大小差异较大的情况，尤其是对于yolov3一般针对的复杂多目标图像。代码实现：
2021-07-04 10:00:48
4397
原创 YOLOV4 PANet模块
第一个改进：为了提高低层信息的利用率，加快低层信息的传播效率，提出了Bottom-up Path Augmentation；第二个改进：通常FPN在多层进行选anchors时，根据anchors的大小，将其分配到对应的层上进行分层选取。这样做很高效，但同时也不能充分利用信息了，提出了Adaptive Feature Pooling。第三个改进：为了提高mask的生成质量，作者将卷积-上采样和全连接层进行融合，提出了Fully-connected Fusionda代码实现如下结构图如下简述
2021-07-04 09:51:11
1691
原创 Pytorch 安装
不需要事先安装python。一定要在64位操作系统安装，因为32位系统不支持PyTorch。1.1.安装Anaconda：Anaconda3-5.2.0-Windows-x86_64.exe打开开始菜单中的“Anaconda3 (64-bit)”->“Anaconda Prompt”,以下所有命令都在其中执行。1.2.取消现有镜像地址：conda config --remove-key channels1.3.设置清华镜像地址：conda config --add channels h
2021-07-04 09:18:46
574
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