- 博客(55)
- 收藏
- 关注
RSS订阅原创 Ubuntu问题汇总
没有找到ifconfig的命令，需要进行安装，按照提示中的命令安装相关的工具包。查看gcc版本是7.5.0正常，因为之前改过一次内核版本，感觉是内核的问题。2.电脑自动更新了内核，导致之前的内核失效，可以去/boot目录下查看。3.重启服务器后，nvidia-smi找不到。1.sudo ifconfig 找不到命令。1.还没有安装完相关驱动；
2022-12-14 22:55:33
785
原创 无监督新篇章——Halcon深度学习
get_dict_param (DLSamples[0], 'key_exists', 'split', SplitExists)：查询数据集参数。get_dl_model_param (DLModelHandle, 'type', ModelType)：请求模型对图像施加的要求。get_dict_tuple (DLDataset, 'samples', DLSamples)：将数据集参数传给模型。具体到每张图片，会根据文件名给分为ok还是ng。
2022-10-31 22:00:31
2133
原创 机器学习数学知识
1.协方差（Covariance） 在概率论和统计学中用于衡量两个变量的总体误差，方差是协方差的一种特殊情况（两个变量相同）。协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。 协方差用于表示变量间的相互关系：正相关、负相关、不相关
2022-10-24 22:14:33
345
原创 全面解析PaDiM
使用PaDiM网络跑自己的数据集，除去测试时读入dataloader的时间，每张图片测试时间在20-30ms，精度比较高，图像分类准确率99-100，像素分割准确率97以上，但是最大的问题是需要通过分割好的label来确定阈值选取（这一点必定要改过来）。for循环内的二次for循环：在tqdm的for循环中，每一次代表一轮batch（文章设置batchsize=32），每一轮读取32张图片，k代表layer1、layer2、layer3，v代表对应层数据，feats为从网络中提取到的每层数据。
2022-10-24 21:27:52
4256
10
原创 无监督异常检测中的阈值确定
实际部署中, 需要设置阈值判断待测样本是否属于异常类，无监督方法对缺陷发生概率的表达往往基于异常分数。（1）将归一化的注意力图作为异常分数图，用于像素级的缺陷分割，该方法对阈值设置不敏感（2）PaDiM利用多元高斯分布进行特征建模，使用马氏距离度量异常分数，需要通过相关公式理论推导得出保证假阳性率在预期范围内的分界阈值。但是：这些解决方法不具有普适性，仍然需要借助异常样本来确定最佳阈值，因此借鉴4种使用验证集来设置阈值的方法，且验证集中只包含正常样本。1.最大缺陷分数法：（没有误检，大量漏检）
2022-10-23 22:19:01
2536
原创 PyTorch遇到的问题
这是我在运行PatchCore时遇到的问题，纠结了很多天，最后在github上找的了解决办法，关于网上说的更改PYTHONPATH或者使用sys.path，我都试过，每一个有效的，最后没办法才使用了这种暴力方法。（3）在python环境下，路径前 的python 可能出问题。1.bash：export： “你的路径”：不是有效的标识符。/././. ...... 加上的话可能有问题可能没问题。/./././...... 去掉python。（1）的问题是最确定的，（2）（3）不一定。
2022-10-23 20:30:26
846
2
原创 无监督异常检测（MVTec）
（排名第1）Towards Total Recall in Industrial Anomaly Detection （PatchCore）
2022-09-09 16:34:46
6765
原创 软著撰写注意事项
软著的概念:软著即软件著作权，市面上任何一个APP在编写完毕后，都会向国家版权中心去申请著作权对自己的软件进行知识产权保护。软著证书上的首次发表时间指的是在软件撰写完毕后，投入到实践生活中去使用的时间点,若编写完没有投入使用，则为未表。撰写要求:1.有可视化界面2.运行源码必须要超过1000行软著源码文档里不能含有空行（可以增加注释来填补空行）上传文件：1.软件源码2..软件说明书3.著作权人申请表（2、3都有模板）软件设计书：一、引言编写目.
2022-05-18 20:56:01
3602
1
原创 基于PyTorch的FCN-8s语义分割模型搭建
对语义分割的学习进行总结：一、选取数据集初步学习语义分割，选取VOC2012数据集，该数据集分为21类，其中20类为前景物体，1类为背景。地址：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar数据集下载后，对于语义分割网络主要用到"ImageSets","JPEGImages","SegmentationClass"三个文件夹，ImageSets\Segmentation包含训练集和验证集的图片名
2022-05-07 02:14:43
2236
原创 Pytorch语义分割理解
贴出部分pytorch的语义分割代码理解#读取图片image =PIL.Image.open("D:\\DataSets\\PascalVOC2012\\VOCdevkit\\VOC2012\\JPEGImages\\2010_003055.jpg")#图片预处理，转化为0-1之间image_transf =transforms.Compose([ transforms.ToTensor(), transforms.Normalize(mean=[0.485,0.456,0.40
2022-05-02 20:34:56
2578
原创 周志华机器学习
1.真正例率（TPR）、假正例率（FPR）与查准率（P）、查全率（R）之间的联系：查全率: 真实正例被预测为正例的比例真正例率: 真实正例被预测为正例的比例显然查全率与真正例率是相等的。查准率:预测为正例的实例中真实正例的比例假正例率: 真实反例被预测为正例的比例2.损失函数其实就是算罚分，模型预测质量越差，罚分越多。...
2022-05-02 20:12:14
347
深度学习数据集图片分类
2022-08-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人