- 博客(16)
- 收藏
- 关注
RSS订阅原创 pytorch——学习率、掩码
1、学习率https://terrifyzhao.github.io/2019/05/23/学习率Learning-rate.htmlhttps://www.zhihu.com/search？type=content&q=%E5%AD%A6%E4%B9%A0%E7%8E%87
2020-04-27 21:26:29
462
原创 pytorch——model.train、model.eval、scheduler.step
https://www.jb51.net/article/180955.htm使用PyTorch进行训练和测试时一定注意要把实例化的model指定train/eval，eval（）时，框架会自动把BN和DropOut固定住，不会取平均，而是用训练好的值，不然的话，一旦test的batch_size过小，很容易就会被BN层导致生成图片颜色失真极大！！！！！！model.train()启用 Ba...
2020-04-19 11:33:48
1141
原创 pytorch——卷积层nn.Con2d()/池化层，参数
1、卷积层nn.Con2d()常用参数in_channels:输入通道数out_channels:输出通道数kernel_size:滤波器（卷积核）大小，宽和高相等的卷积核可以用一个数字表示，例如kernel_size=3;否则用不同数字表示，例如kernel_size=(5，3）stride : 表示滤波器滑动的步长padding：是否进行零填充，padding=0表示四周不进行零填...
2020-04-17 09:17:20
1363
原创 Pytorch—— Avg_pool2d函数\inplace参数（学习笔记）
Pytorch Avg_pool2d函数import torchimport torch.nn as nnimport torch.nn.functional as Ffrom torch.autograd import Variableimport numpy as npinput = Variable(torch.Tensor([[[1, 3, 3, 4, 5, 6, 7], [1...
2020-04-17 08:47:45
2646
原创 pytorch——图像深度/padding（学习笔记）
1、图像深度素深度和图像深度是两个相互关联但又有所不同的两个概念。像素深度是指存储每个像素所需要的比特数。假定存储每个像素需要8bit，则图像的像素深度为8。图像深度是指像素深度中实际用于存储图像的灰度或色彩所需要的比特位数。假定图像的像素深度为16bit，但用于表示图像的灰度或色彩的位数只有15位，则图像的图像深度为15。图像深度决定了图像的每个像素可能的颜色数，或可能的灰度级数。例如，彩色图...
2020-04-17 08:40:31
887
原创 计算机视觉 - 10、直方图、直方图均衡、主成分分析、显著性分类、分割、超像素、OP
1、图片的直方图：直方图是用来量化曝光量的，也叫柱状图，是一张二维的坐标图。图中横轴（X轴）代表的是图像中的亮度，由左向右，从全黑逐渐过渡到全白。 纵轴（Y轴）代表的则是图像中处于这个亮度范围的像素的相对数量。 当直方图中的黑色色块偏向于左边时，说明这张照片的整体色调偏暗，也可以理解为照片欠曝。当黑色色块集中在右边时，说明这张照片整体色调偏亮，除非是特殊构图需要，否则我们可以理解为照片过曝。 ...
2020-03-03 20:10:17
846
原创 计算机视觉 08----EGNetEdge_Guidance_Network_for_Salient_Object_Dete（论文笔记）
1、论文的提出（目的）现有的依赖全卷积网络进行显著性检测的方法存在边缘检测模糊的问题，所以提出EGNet网络，试图解决该问题。早期的视觉认知项目的方法主要得益于全局或者局部对比度以及学习权重，但这种利用人工标识特征的方法即使偶尔能够定位准确，但是使用不可靠的分割方法使得前向和后向对比不可靠时，所产生的显著性特征图也不规律。最近卷积网络也很盛行，特别是全卷积网络的提出后，该网络效率很高，全卷积...
2020-03-01 22:19:28
375
原创 计算机视觉 - 07 Softmax、微调、resnet、信息熵
1、Softmax（逻辑回归）参考源：https://zhuanlan.zhihu.com/p/41784404https://blog.csdn.net/bitcarmanlee/article/details/82320853https://blog.csdn.net/weixin_36411839/article/details/81835552vgg16: https://www...
2020-02-29 20:00:34
627
原创 计算机视觉 - 06 前向传播（ Forward Propagation）、分类模型、交叉熵、标准化（学习笔记）
1、图片在卷积神经网络中是怎么变化的（前向传播 Forward Propagation）代码详见：https://zhuanlan.zhihu.com/p/342224512、分类模型 Loss 函数为什么要用 交叉熵Cross Entropy？https://zhuanlan.zhihu.com/p/53045651（1）分类模型 与 Loss 函数的定义监督学习的 2 大分支：分类...
2020-02-29 12:48:08
417
原创 计算机视觉 -05 全连接层
1、全连接层（Fully Connected Layer)数据经过激活函数（Activation Function）,假设我们经过一个Relu之后的输出如下Relu:然后开始到达全连接层。以上图为例，我们仔细看上图全连接层的结构，全连接层中的每一层是由许多神经元组成的（1x 4096）的平铺结构，上图不明显，我们看下图而如果有两层或以上fully connected layer就可以...
2020-02-29 11:40:35
1819
原创 计算机视觉-04 训练、采样层、激活函数、Dropout（学习笔记）
1、训练（Training)模型训练的目的：给数据作分类.kernel:要么找到数据的因果关系，要么找到数据间的关联。理清楚数据间的关系，或者拟合数据的分布。两层或者以上的神经网络，几乎可以拟合任意函数做训练，目的就在于：通过训练，我找到可以理清数据间关系的神经网络，或者拟合数据分布的神经网络训练前，用模型提取出来的特征分布图， 可以看到不同数据之间的特征‘纠缠’在一起，难分难解。经...
2020-02-29 11:21:02
926
原创 计算机视觉-03 卷积如何提取特征
RGB格式：红®、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色, 这三个颜色通道叠加之后，就是我们看到的RGB图片了。卷积核就是滤波器（滤波器，convolution kernel）。卷积核放在神经网络里，就代表对应的权重（weight)。卷积核和图像进行点乘（dot product), 就代表卷积核里的权重单独对相应位置的Pixel进行作用。假设三个分量...
2020-02-29 10:51:41
524
原创 计算机视觉-02 卷积（学习笔记）
资源：https://zhuanlan.zhihu.com/p/30994790详细：https://blog.csdn.net/zouxy09/article/details/49080029卷积公式：物理意义大概可以理解为：系统某一时刻的输出是由多个输入共同作用（叠加）的结果。f(x) 可以理解为原始像素点(source pixel)，所有的原始像素点叠加起来，就是原始图了。g...
2020-02-28 16:12:32
364
原创 计算机视觉入门——01 CNN网络（卷积神经网络的结构）
卷积的计算：https://blog.csdn.net/qq_32846595/article/details/79053277入门资料：https://zhuanlan.zhihu.com/p/31249821卷积实际上可以充当一个对原图像进行二次转化，提取feature 的作用。全连接层：将pixels放入神经网络输出结果。采样层：相当于信息预处理，只保留有用的信息。加入卷积...
2020-02-28 15:19:18
372
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