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(24)
  • 收藏
  • 关注

原创 React开发环境搭建

(1)首先要安装好node.js()和vs code(具体配置省略…)node -v:用于代码规范检查:用于代码格式化:用于快速生成React代码片段。

2024-03-21 02:02:59 431

原创 训练YOLOv5模型遇到的问题及解决办法

Downloading https://ultralytics.com/assets/Arial.ttf to /…/Ultralytics/Arial.ttf…在train.py文件中的import os后面加上。手动下载该字体添加到指定路径。(每个人电脑不一样)

2024-01-18 10:25:04 630

原创 论文阅读——基于深度学习智能垃圾分类

智能垃圾分类

2023-03-04 14:29:52 3578 1

原创 Transformer进阶分解之Encoder-Decoder、Self-Attention

Transformer进阶分解一、Encoder-Decoder1.1 简介1.2 结构1.3 缺点二、Attention Model2.1 Attention 注意力机制简介(一)Attention2.1.1 Attention 原理2.1.2 Attention 机制的本质思想2.1.3 Attention优缺点(二)Self-attention——attention的改进2.2.1 Self-attention原理一、Encoder-Decoder1.1 简介Encoder-Decoder框架

2021-08-08 15:01:04 2517 1

原创 英语六级词汇记忆

词根记忆pre- 时间提前,预先 (=before)dic、dict -- 说vi, vis, vid, view = see (看)audi 听pro 时间提前;方向向前spec、spect、spi、spic = look 看pre- 时间提前,预先 (=before)prewar 战前的 (pre 预先; war 战争)predict v.预言,预测;预示,预告 --> prediction --> predictable --> unpredictab

2021-07-17 20:08:21 334

原创 目标检测R-CNN模型

R-CNN学习笔记一、算法总体思路(一)候选框搜索阶段(二)CNN特征提取步骤2.1 网络结构设计阶段2.2 网络有监督预训练阶段2.3 fine-tuning阶段(三)SVM训练、测试阶段(四)问题思考二、R-CNN缺点一、算法总体思路论文采用的算法思路是:输入一张图片,先通过Selective Search定位出2000个物体候选框,然后采用CNN提取每个候选框中图片的特征向量,特征向量的维度为4096维,接着采用svm算法对各个候选框中的物体进行分类识别总的过程分为三个步骤:找出候选框;

2021-07-11 21:34:40 296

原创 目标检测简述

目标检测算法一、目标检测1.1 目标检测算法分类1.2 目标检测任务1.2.1 分类原理1.2.2 分类的损失与优化1.2.3 任务1.3 目标定位简单思路1.3.1 回归位置1.3.2 两种Bounding box名称一、目标检测1.1 目标检测算法分类两步走的目标检测:先进行区域推荐,再进行目标分类代表:R-CNN、SPP-net、Fast R-CNN、Faster R-CNN端到端的目标检测:采用一个网络一步到位代表:YOLO、SSD1.2 目标检测任务1.2.1

2021-07-10 14:18:57 197

原创 unet语义分割模型

Unet模型介绍Unet可以分为三个部分,如下图所示:第一部分是主干特征提取部分,我们可以利用主干部分获得一个又一个的特征层,Unet的主干特征提取部分与VGG相似,为卷积和最大池化的堆叠。利用主干特征提取部分我们可以获得五个初步有效特征层,在第二步中,我们会利用这五个有效特征层可以进行特征融合。第二部分是加强特征提取部分,我们可以利用主干部分获取到的五个初步有效特征层进行上采样,并且进行特征融合(对上采样得到的结果进行通道的堆叠),获得一个最终的,融合了所有特征的有效特征层。第三部分

2021-05-31 19:51:21 8450

原创 论文整理——用于跟踪散养猪的实时计算机视觉系统的开发

论文简介论文中文翻译:《用于跟踪散养猪的实时计算机视觉系统的开发》论文名称:《Development of a real-time computer vision system for tracking loose-housedpigs》录用日期:2011年1月21日期刊情况期刊:Computers and Electronics in Agriculture期刊情况中科院二区影响因子3.858Q1/Q2分区初审4-6周摘要在不久的将来,家畜法规的变化将要求建立松散的猪饲

2021-05-10 20:46:18 597 1

原创 人脸识别论文——发现微小的脸

论文简介论文中文翻译:《发现微小的脸》论文名称:《Finding Tiny Faces》录用日期:2017年4月15日摘要尽管在物体识别方面已经取得了巨大的进步,但仍然存在的一个开放式挑战是探测小物体。我们探讨了在寻找小面孔的背景下的问题的三个方面:尺度不变性的作用,图像分辨率和上下文推理。虽然大多数识别方法的目标是尺度不变,但识别3px高的人脸的线索与识别300px高的人脸的线索本质上是不同的。我们采用不同的方法,训练不同尺度的探测器。为了保持效率,探测器采用多任务方式进行训练:它们利用从单

2021-05-10 18:05:51 521

原创 目标检测论文——对小的、杂乱的和旋转的物体进行更稳健的检测:SCRDet

论文简介论文中文翻译:《对小的、杂乱的和旋转的物体进行更稳健的检测:SCRDet》论文名称:《SCRDet: Towards More Robust Detection for Small, Cluttered and Rotated Objects》录用日期:2019年8月10日摘要目标检测一直是计算机视觉中的一个重要组成部分。虽然已经取得了相当大的进展,但对于小尺寸、任意方向和密集分布的物体仍然存在挑战。除了自然图像外,这类问题对非常重要的航空图像尤其突出。本文提出了一种新型的多类别旋转检

2021-05-10 00:25:53 772

原创 人脸识别论文整理——深度人脸识别的大边缘余弦损失

论文简介论文中文翻译:《深度人脸识别的大边缘余弦损失》论文名称:《CosFace: Large Margin Cosine Loss for Deep Face Recognition》录用日期:2018年4月3日摘要由于深度卷积神经网络(CNNs)的发展,人脸识别取得了惊人的进展。人脸识别的核心任务是人脸的特征识别,包括人脸的验证和识别。然而,传统的深度cnn的softmax损失通常缺乏识别能力。为了解决这一问题,近年来人们提出了如center loss,large margin softma

2021-05-09 22:30:21 1258

原创 动物识别论文整理——一种基于生物特征的鱼类分类模型

论文简介论文中文翻译:《一种基于生物特征的鱼类分类模型》论文名称:《A biometric-based model for fish species classification》录用日期:2018年3月3日期刊情况期刊:Fisheries Research期刊情况中科院二区影响因子2.147Q1分区一般,6-16周摘要鱼类识别对濒危鱼类的生存至关重要。本文提出了一种基于生物特征识别的鱼类物种识别方法。所提议的方法包括三个阶段。在第一阶段,从鱼类图像中提取不同的特征。该阶段

2021-04-23 00:06:06 2362

原创 2021-04-20论文——视网膜识别技术作为绵羊生物识别方法的评价

论文简介论文中文翻译:《青鳉鱼的个体识别和“面部反转效应”》论文名称:《Individual recognition and the ‘faceinversion effect’ in medaka fish (Oryziaslatipes)》录用日期:2017年7月11日期刊情况期刊:Computers and Electronics in Agriculture期刊情况中科院二区影响因子3.858Q1分区初审24-28周...

2021-04-20 17:35:37 642

原创 关于动物识别论文的阅读笔记——青鳉鱼的个体识别和“面部反转效应”

论文简介论文中文翻译:《青鳉鱼的个体识别和“面部反转效应”》论文名称:《Individual recognition and the ‘faceinversion effect’ in medaka fish (Oryziaslatipes)》录用日期:2017年7月11日期刊情况期刊:eLIFE期刊情况中科院二区影响因子Q1分区初审24-28周摘要个体识别(IR)是维持群体中各种社会交往的重要手段,人脸识别是IR中最特殊的认知能力之一。我们采用交配偏好系统和电击调节实验

2021-04-20 11:50:03 2198

原创 resnet50网络结构复现——pytorch

残差学习 ——y = F( x,{ w_i }) + x残差学习的block一共包含两个分支或者两种映射(mapping):identity mapping:是上图右边那条弯的曲线。是指本身的映射,也就是x自身;residual mapping,指的是另一条分支,即F(x)部分,这部分称为残差映射,也就是y-x相比于VGG-19,ResNet没有使用全连接层,而使用了全局平均池化层,可以减少大量参数...

2021-04-18 16:30:15 3740

原创 AlexNet网络对CIFAR10分类——torch实现

一、数据集介绍CIFAR-10 是一个包含60000张图片的数据集。其中每张照片为32*32的彩色照片,每个像素点包括RGB三个数值,数值范围 0 ~ 255。所有照片分属10个不同的类别,分别是 ‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’, ‘ship’, ‘truck’。其中五万张图片被划分为训练集,剩下的一万张图片属于测试集。二、代码实现(一)数据预处理import torchimpor

2021-04-08 20:32:55 1742

原创 VGG16网络复现——pytorch

import torch.nn as nnclass VGG(nn.Module): def __init__(self): super(VGG,self).__init__() self.layer1 = nn.Sequential( nn.Conv2d(64, 64, 3, 1, 1), nn.Conv2d(64, 64, 3, 1, 1), nn.ReLU(),

2021-04-06 17:47:56 746

原创 Alexnet分类mnist——torch实现

一、MNIST数据集MNIST 60000训练图像、100000测试图像、10个类别、图像大小1×28×28、内容是0-9手写数字。二、代码实现(一)导包import numpy as npimport torchimport torchvisionimport torchvision.transforms as transformsimport torch.nn as nnimport torch.optim as optimfrom torch.autograd import Var

2021-04-04 15:44:31 757 1

原创 第二周——Alexnet网络复现

(一)alexnet网络结构详解第一层:该层的顺序是:卷积—>ReLU—>池化—>归一化卷积池化层原理:根据神经元公式:h(x)=f(wx+b)上式就是神经元所表示的函数,x表示输入(图片矩阵),w表示权重(卷积核参数),b表示偏置,f表示激活函数(ReLU),h(x)表示输出,输出后的数据经过池化,然后归一化。形成完成的卷积池化层。训练卷积神经网络的过程就是不断调整权重w(卷积核参数)与偏置b的过程,以使其输出h(x)达到预期值。参数数量卷积层的参数 = 卷积核

2021-03-26 13:32:49 613 1

原创 第三周学习——卷积神经网络(CNN)

一、前期准备(环境配置)(1)在自己的电脑上配置了深度学习cpu版的框架(2)在连接的服务器上配置了深度学习gpu版的框架(3)中间遇到了许多问题,配置方法及问题的解决见另三篇博文https://editor.csdn.net/md/?articleId=114679859https://editor.csdn.net/md/?articleId=114850424https://editor.csdn.net/md/?articleId=115034747另附:%matplotlib i

2021-03-21 14:51:30 1914

原创 远程桌面连接

远程桌面连接需要具备的一些条件PS:若以下方法皆不适用,建议使用终极方法——重装系统(一)首先要把被控制的电脑设置成可以远程桌面访问打开控制面板,点击系统和安全(二)从远端访问“win+r”调出命令窗口,输入“mstsc”命令,打开远程桌面控制界面,输入远程连接的电脑的IP和用户名若连接不上,点击左下方的显示选项您的工作凭据不工作解决方案解决方法一:修改组策略在“开始”窗口运行gpedit.msc,进入计算机配置->管理模板->系统->凭据分配->允许

2021-03-20 21:33:12 206

原创 深度学习环境搭建(GPU版)

一、前提(一)安装GPU版本的torch和tensorflow之前要先查看自己的显示适配器是否有英伟达(NVIDIA)的显卡,有英伟达的显卡才能使用cuda和cudnn加速深度学习(二)注意cuda与torch和tensorflow版本是否适配,若不适配则无法安装成功二、pytorch GPU配置(一)以管理员身份运行Anaconda Prompt(二)创建pytorch环境conda create -n pytorch python=3.6(三)激活环境activate pytorch

2021-03-20 19:52:29 692 1

原创 深度学习框架搭建

深度学习框架搭建框架一:torchconda install pytorch-cpu -c pytorch pip install torchvision框架二:tensorflow(一)准备anaconda环境(二)以管理员身份运行Anaconda Prompt(三)创建tensorflow环境conda create -n tensorflow python=3.6(四)激活tensorflow环境conda activate tensorflow

2021-03-11 20:54:09 538

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