自由自在的鱼丶
咕噜咕噜
展开
-
利用pycocotools库计算MAP:生成coco格式 json文件数据集和计算map值
在目标检测任务中,需要通过Map指标判断模型的精度。为了测试engine文件推理结果的精度,本文介绍了如何使用pycocotools库计算Map,在此之前需要根据coco格式生成json文件。原创 2023-05-29 16:24:12 · 1527 阅读 · 0 评论 -
yolov5 批量修改labelimg标注xml文件内容(python版本)
半自动打标签只能将所有图片都归为一个类别,后期如果想要修改类别可以一键修改,避免从labelimg中逐一修改。yolov5训练自定义数据集时,需要对半自动打标签的xml文件中的类别进行批量修改。原创 2023-05-04 13:45:27 · 955 阅读 · 0 评论 -
yolov5半自动打标签(opencv版本),识别目标画框并将坐标信息保存在xml中
yolov5训练数据集时,需要对数据进行打标签,可以通过两种方法进行半自动化打标签。原创 2023-04-26 14:47:28 · 1544 阅读 · 0 评论 -
yolov5中将txt文件格式转xml
yolov5中使用的txt文件格式转xml原创 2023-03-10 09:43:58 · 1167 阅读 · 0 评论 -
yolov5训练自己的数据集,xml转txt以及划分数据集(更新xml转txt时统计类别名称和个数)
yolov5训练自己的数据集,xml转txt以及划分数据集。原创 2023-02-20 18:56:09 · 1699 阅读 · 0 评论 -
python根据yolov5输出的label txt文件,批量截取目标框图片并保存
python根据yolov5检测得到的txt文件,截取目标框图片并保存。原创 2022-10-27 16:09:49 · 3937 阅读 · 7 评论 -
LeNet-5 经典卷积网络mnist手写数字识别
使用LeNet-5模型进行mnist手写数字识别,与之前的mnist手写数字识别的区别在于:使用全连接层代替输出层输出。下面是另一种mnist手写数字识别方案https://blog.csdn.net/qq_42754919/article/details/1034487671.LeNet-5模型LeNet-5模型模型如下:第一层,卷积层这一层的输入是原始的图像像素,LeNet-5 ...原创 2019-12-16 16:53:45 · 492 阅读 · 0 评论 -
pytorch实现DenseBlock
1.介绍DenseBlock是DenseNet网络的重要组成部分,下面图片展示的是从DenseNet网络中节选出来的DenseBlock模块。其主要思想是:对于每一层,前面所有层的特征映射作为当前层输入,而自己的特征映射为后续层输入,形成全互链接。每层提取出来的特征映射都可以供后续层使用。优点:1.缓解梯度消失;2.增强特征传播;3.降低参数数量。2.代码class _DenseLayer(nn.Sequential): '''DenseBlock中的内部结构,这里是BN+ReLU+原创 2020-10-09 14:47:20 · 11212 阅读 · 13 评论 -
AlexNet网络详解+pytorch实现
1.网络模型介绍关于特征图尺寸的计算,大家可以在这个链接查看公式:特征图尺寸计算第一层:1.输入尺寸为2272273,使用11113的卷积核,步长为4,输出通道为96,输出特征尺寸为:5555962.使用relu激活函数3.使用尺寸为33,步长为22的按最大值池化(maxpooling),输出特征图大小为2727964.使用归一化第二层:1.输入尺寸为272796,使用大小为55,步长为11的卷积核,填充为2,输出通道为256,输出为27272562.使用relu激活函数3.使用尺寸为原创 2020-06-12 16:04:25 · 1088 阅读 · 0 评论 -
SE模块理解+SE-Resnet模块pytorch实现
文章目录SE模块理解SE实现注意力机制原因SE-resnet网络pytorch实现定义residual定义SE模块SE模块理解SENet是Squeeze-and-Excitation Networks的简称,拿到了ImageNet2017分类比赛冠军,其效果得到了认可,其提出的SE模块思想简单,易于实现,并且很容易可以加载到现有的网络模型框架中。SENet主要是学习了channel之间的相关性,筛选出了针对通道的注意力,稍微增加了一点计算量,但是效果比较好。SE模块广泛应用于去噪,去雨方向,利用SE模原创 2020-06-01 14:54:15 · 28001 阅读 · 15 评论 -
卷积和池化输出特征计算公式
卷积计算当padding=‘SAME’ ,k表示卷积核尺寸k*k,stride表示卷积核步长,in表示输入尺寸,分式中采用向下取整当padding=‘valid’当padding=x,x表示填充尺寸当卷积操作中含有膨胀因子d,且padding=x时:池化计算池化计算和卷积计算类似,k表示池化核尺寸,stride为池化步长,向下取整若含有膨胀因子,则池化计算公式和卷积计算公式相等...原创 2020-05-30 16:20:43 · 1768 阅读 · 0 评论 -
Residual网络理解+pytorch实现+resnet34实现
文章目录1.残差网络实现及其应用:残差块理解应用残差块代码(pytorch实现)1.残差网络实现及其应用:CSDN上关于残差网络的表述很多,基本都是按照论文里翻译过来,大家可以自行搜索论文关于残差网络的介绍。本文讲诉残差网络块的具体情况,以及在图像处理方面的使用。上图是从论文中节选出来的残差块结构,要想弄明白残差块的具体应用,需要弄清楚两个概念:1.恒等映射:上图中有一个曲线,称为shortcut connection(快捷连接),就是恒等映射。既不增加额外参数,也不增加计算复杂度。而恒等映射表示原创 2020-05-29 10:47:48 · 2908 阅读 · 0 评论 -
mnist手写数字识别
mnist手写数字识别是卷积神经网络中最基本的一个代码,里面mnist手写数字识别过程,对卷积神经网络的运算会有一些把握。所用数据集mnist可自行百度下载,开源数据库下面是代码展示部分:import tensorflow as tfimport numpy as npfrom tensorflow.contrib.learn.python.learn.datasets.mnist im...原创 2019-12-08 20:45:58 · 414 阅读 · 0 评论