深度学习
tianyunlinger
这个作者很懒,什么都没留下…
展开
-
语义分割json转目标检测txt标签
下面代码写于labelme标记不规则图形(规则也行)产生的json文件,转yolo(这里是yolov5)的txt标签文件,避免再次标记原创 2021-12-19 20:53:08 · 1726 阅读 · 0 评论 -
YOLOv5数据准备
Create dataset.yamlCOCO128 is an example small tutorial dataset composed of the first 128 images in COCO train2017. These same 128 images are used for both training and validation to verify our training pipeline is capable of overfitting. data/coco128.y..原创 2021-12-19 15:05:48 · 305 阅读 · 0 评论 -
语义分割中,利用python将json文件转mask图片
import base64import jsonimport osimport os.path as ospimport numpy as npfrom PIL import Imagefrom labelme import utilsfrom skimage import img_as_ubyteimport cv2json_file = r"D:\BaiduNetdiskDownload\laser_spot"list_path = os.listdir(json_file)原创 2021-12-14 14:17:21 · 4603 阅读 · 1 评论 -
torch.nn.GELU
m = nn.GELU()input = torch.randn(2)output = m(input) 误差函数图在数学中,误差函数(亦称高斯误差函数),通常表示为ERF,是一个复变量的复函数,定义为:erfz=2π∫0ze−t2 dt.\displaystyle \operatorname {erf} z={\frac {2}{\sqrt {\pi }}}\int _{0}^{z}e^{-t^{2}}\,dt.erfz=π2∫0ze−t2dt.这个积分是特殊(非-初等) s.原创 2021-08-16 11:42:12 · 9578 阅读 · 0 评论 -
随机梯度下降SGD
随机梯度下降(SGD)在第k个训练迭代的更新Require:学习率ϵkRequire:初始参数θwhile停止准则为满足do从训练集中采包含m个样本{x(1),...,x(m)}的小批量,其中x(i)对应目标为y(i)。计算梯度估计:g^←+1m∇θ∑iL(f(x(i);θ),y(i))应用更新:θ←θ−ϵg^end while\begin{aligned}Requ&ire:学习率\epsilon_k\\Requ&ire:初始参数\theta\\wh&ile 停止准则为原创 2021-08-13 00:50:17 · 158 阅读 · 0 评论 -
Cyclegan变量解析
希望对初学cyclegan的人有帮助代码:https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix当运行train.py文件时,在保存模型里会生成一个web文件,打开里面的html就能看到上图所示的八种图片real_A:表示输入的真实的A图片real_B:表示输入的真实的B图片fake_B:表示真实图片A生成的假冒B风格图片fake_A:表示真实图片B生成的假冒A风格图片rec_A:表示fake_B再生成回A风格图片rec_B:表示fa原创 2021-08-07 12:47:36 · 1337 阅读 · 0 评论 -
ACL-gan对抗一致性损失
对抗性一致性损失与周期一致性损失的比较。蓝色矩形和绿色矩形分别表示图像域S和T。矩形内的任意点表示该域中的特定图像。(右):给定源图像xS,周期一致性损失要求将图像翻译回来,ˆxS,应该与源图像xS相同。(左):给定源图像xS,我们合成多模态图像在其邻域分布xa,分布¯xT在目标域XT,以及分布ˆxS从¯XT翻译而来。分布由蓝色和绿色的圆圈表示。我们不要求将图像翻译回xˆS作为特定的图像,而是将ˆxS和属于xS的分布之间的距离最小化,这样一个特定的ˆxS可以是xS周围的任何点。通过这样做,我们鼓励x¯..原创 2021-08-06 17:35:43 · 1700 阅读 · 0 评论 -
深度学习常见参数
cycleGan英文中文filter过滤器;滤波器generator生成器;发电机;生产者discriminator鉴别器stride步幅;大步;进展decision判别D_A/B_lossA/B判别器loss(小)G_A/B_lossA/B生成器loss(大)cycleGan的损失评估主要是(A->B’->)A’与A差距尽可能小,B’与A差距尽可能大,B’与B差距尽可能小...原创 2021-06-04 11:02:08 · 118 阅读 · 0 评论