Startapi的博客

概述Numpy是高性能科学计算好数据分析的基础包，提供了矩阵运算的功能，在深度学习和数据分析领域广泛应用。。使用创建array数组vector = np.asarray([1,2,3,4]);创建zero数组a = np.zeros(10) # 创建向量 a1 = np.zeros(shape=(5,3)) # 创建5行，3列的0矩阵创建one矩阵one = np.ones((3,4));创建自定义值的矩阵user_define = np.full((3, 5), 110) #

概述deeplab v3+是deeplab系列中最新内容，也是当前最流行的语义分割算法，本篇文章主要记录的是个人在学习deeplab v3+过程中的一些收获以及个人对该算法的理解。首先我们先简单回顾下deeplap v3 相关的创新点以及不足。在上一讲的时候我们讲到v3相比v2创新点主要有四个方面，首先它提出了更加通用的框架，其次重新设计了空洞卷积，将空洞卷积和级联模块结合起来使用，而不再单独使用。第三点它改进了ASPP，在ASPP的最后一层使用了BN层。最后一点是去掉了CRF。并且我们在最后，也说了d

概述首先我们简单考虑一下什么是语义分割？语义分割是从粗推理到精推理的自然步骤。原点可以定位在分类，分类包括对整个输入进行预测。下一步是本地化/检测，它不仅提供类，还提供关于这些类的空间位置的附加信息。最后，语义分割通过对每个像素进行密集的预测、推断标签来实现细粒度的推理，从而使每个像素都被标记为其封闭对象区域的类别。其实简单来说，**语义分割就是像素级别的图像分类。**我们以下边一幅图为例：左侧是原图，右侧是经过图像分割之后的图片，结果图中我们可以看到，经过图片分割后，不同类别的物体，例如行人飞机、