计算机视觉
文章平均质量分 87
TerryWenD
这个作者很懒,什么都没留下…
展开
-
pytorch教程之nn.Module类详解——使用Module类来自定义网络层
转自:pytorch教程之nn.Module类详解——使用Module类来自定义网络层_MIss-Y的博客-CSDN博客前言:前面介绍了如何自定义一个模型——通过继承nn.Module类来实现,在__init__构造函数中申明各个层的定义,在forward中实现层之间的连接关系,实际上就是前向传播的过程。事实上,在pytorch里面自定义层也是通过继承自nn.Module类来实现的,我前面说过,pytorch里面一般是没有层的概念,层也是当成一个模型来处理的,这里和keras是不一样的。前面转载 2021-12-07 10:31:41 · 955 阅读 · 1 评论 -
RNNPool ——使得人脸识别在RAM只有256KB的STM32上运行成为可能
Github地址:https://github.com/Microsoft/EdgeMLPaper地址:https://www.microsoft.com/en-us/research/publication/rnnpool-efficient-non-linear-pooling-for-ram-constrained-inference/RNNPool为微软提出的可跑在STM32上的人脸检测模型,主要是通过将其中的大部分卷积部分替换为文中提到的RNNPool layer部分,使之在计算量/.原创 2021-01-18 15:49:15 · 778 阅读 · 0 评论 -
《Learning Deep Features for Discriminative Localization》——CAM热力图翻译及划重点
摘要 在这项工作中, 我们重新审视了《 Network in network》中提出的全局平均 池化层(global average pooling),并阐明了它是如何通过图片标签就能让卷积神经网络具有卓越的定位能力。虽然这项技术以前被当做正则化训练的一种方法,但是我们发现它实际构建了一种通用的适用于各种任务的能定位的深度表示。尽管global average pooling很简单,我们仍然能够在2014年的ILSVRC物体定位比赛中得到37.1%的top-5错误率,与CNN的34.2%top-5错误率非常翻译 2020-06-30 11:21:54 · 806 阅读 · 0 评论 -
目标检测(Object Detection)模型中mAP( mean Average Precision)计算方法
mAP计算方法mAP: mean Average Precision, 即各类别AP的平均值AP: PR曲线下面积,其实是在0~1之间所有recall值的precision的平均值。PR曲线: Precision-Recall曲线 Precision: TP / (TP + FP)精确率(Precision)是针...原创 2020-01-10 15:11:27 · 504 阅读 · 0 评论 -
Opencv 基础知识点整理——对比度增强
对比度增强 对比度增强的常见方法:线性变换、分段线性变换、伽马变换、直方图正规化、全局直方图均衡化、局部自适应直方图均衡化(限制对比度的自适应直方图均衡化) 灰度直方图:概括了一幅图像的灰度级信息。灰度直方图横坐标为灰度级范围即0-255,纵坐标为每个灰度值在图像中出现的次数 线性变换:即通过y=ax+b的线性变换来改变图像的对比度和亮度。x为原像素值,改变a便改变...原创 2018-07-24 11:45:49 · 4615 阅读 · 1 评论